专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果16个,建议您升级VIP下载更多相关专利
  • [发明专利]基于文本和图像多模态的脑病灶图像生成方法和系统-CN202310463730.4在审
  • 张欣茹;叶初阳;郭威严;文梓棋 - 北京理工大学
  • 2023-04-26 - 2023-07-28 - G06T11/60
  • 本发明公开了一种基于文本和图像多模态的脑病灶图像生成方法和系统,包括:数据收集模块:收集相关的脑部病灶的公开数据集,为每一张图像配以文本模板,形成文本‑图像模板数据集;微调模块:通过对图像与文本分别编码,转换为一个共同的嵌入空间,然后计算相似度进行匹配。数据扩充模块:使用微调后的DALLE2模型根据需要的文本需求进行图像生成与变体生成。标注图像生成模块:使用循环微调后的模型对目标图像进行编辑,提供mask指定编辑区域,文本描述以生成目标病灶。从而生成带有标注的病灶图像。本发明的优点是:能够同时处理图像和文本信息,生成更真实、准确且多样的脑病灶图像,实现无监督脑病灶分割任务,更加高效、准确且多样化。
  • 基于文本图像多模态病灶生成方法系统
  • [发明专利]车载HMI界面的界面复杂度评价方法、装置及车辆-CN202310432557.1在审
  • 贺刚;刘芝孜;黄俊峰;张亮;叶初阳 - 重庆长安汽车股份有限公司
  • 2023-04-20 - 2023-07-25 - G06F11/36
  • 本申请涉及一种车载HMI界面的界面复杂度评价方法、装置及车辆,包括:利用预设的车载HMI界面客观评价指标对多个车载HMI界面进行评价,得到每个车载HMI界面的客观评分;基于多个车载HMI界面、每个车载HMI界面的客观评分和每个车载HMI界面对应的主观评分,训练预设的机器学习模型,得到复杂度评价模型,通过复杂度评价模型对输入的新车载HMI界面进行评价,得到新车载HMI界面的评价结果。由此,解决了用户在车辆驾驶过程中由于车载仪表屏界面过于复杂而产生的认知负荷过高等问题,降低用户因过度关注仪表屏、忽视驾驶主任务而产生的交通事故风险,并减少设计类问题流入整车量产环节而产生的不利影响。
  • 车载hmi界面复杂度评价方法装置车辆
  • [发明专利]一种可自适应薄壳件曲面的夹具-CN202310097786.2在审
  • 赵宏平;章苏豪;丁瑞烨;赵勇;叶初阳;罗羽;乔晓斌 - 苏州市职业大学(苏州开放大学)
  • 2023-02-10 - 2023-06-23 - B25B11/00
  • 本发明提供一种可自适应薄壳件曲面的夹具,以往返式输送台组件、机械手组件、固定夹台、活动夹台、开口硬管、薄壳件和定位传感器为主体;机械手组件内设置有手爪部、气缸部和电机部,活动夹台固定连接在手爪部底部,固定夹台安装在往返式输送台组件上,定位传感器连接在活动夹台和手爪部之间;固定夹台和活动夹台上分别设有定夹杆和动夹杆,且固定夹台和活动夹台上分别设有三个呈并排状排布的可调夹座,且可调夹座与定夹杆和动夹杆之间设置有定位螺母;所述动夹杆底部设有开口硬管、软管和触头,软管和触头分别连接在开口硬管两端。本发明通过机械手组件、定位传感器和往复式输送台组件的结合运用,即可以提高夹具对薄壳件的夹取效率。
  • 一种自适应薄壳件曲面夹具
  • [发明专利]图像处理方法、装置、电子设备及存储介质-CN202111073244.9有效
  • 刘亚欧;叶初阳;刘成浩;段云云;卓芝政 - 首都医科大学附属北京天坛医院;北京理工大学
  • 2021-09-14 - 2022-12-09 - G06T7/00
  • 本申请提供一种图像处理方法、装置、电子设备及存储介质,涉及深度学习技术领域。该方法包括:获取至少一组扫描图像,每组扫描图像包括多个待标记图像和多个标准图像;针对每组扫描图像,将每组扫描图像中各待标记图像分别与各标准图像进行图像配准,获取各待标记图像对应的多个参考图像;根据各待标记图像、以及各待标记图像对应的各参考图像,确定各待标记图像中各像素点的异常得分;根据各待标记图像中各像素点的异常得分、以及确定的各待标记图像对应的图像分割阈值,对各待标记图像进行异常像素点标记,得到各待标记图像对应的目标图像。本方法可无需依赖人工标注数据,可大大提高图像中异常像素点的识别效率,进一步地提高图像分割效率。
  • 图像处理方法装置电子设备存储介质
  • [发明专利]基于深度学习的弥散微循环模型驱动参数估计方法、装置及介质-CN202111107046.X在审
  • 吴丹;郑天舒;叶初阳;张祎 - 浙江大学
  • 2021-09-22 - 2021-12-24 - G06T7/30
  • 本发明公开了一种基于深度学习的弥散微循环模型驱动参数估计方法、装置及介质。该方法首先采集弥散微循环模型对应的多b值数据,并对各b值的弥散加权数据进行迭代配准以消除运动伪影;然后采用贝叶斯估计的方法,对感兴趣区域中的体素数据进行拟合,得到的模型参数作为训练数据的金标准;之后设计基于Transformer的编码器和基于弥散微循环模型的SCDNN解码器,并将两者结合得到基于模型驱动的深度学习网络结构,最后利用金标准数据对网络进行训练,得到可以用于估计弥散微循环模型参数的模型。本方法可以在采集时间更少的情况下获得近似于相同质量的图像信息,具有较高的准确度和精确性,并且估计效果优于其他的弥散微循环模型估计方法,更具备模型的解释性。
  • 基于深度学习弥散微循环模型驱动参数估计方法装置介质
  • [发明专利]基于统计约束损失函数的脑梗塞病灶自动分割方法-CN201910693876.1有效
  • 叶初阳;刘妍麟;刘志文 - 北京理工大学
  • 2019-07-30 - 2021-09-21 - G06T7/11
  • 本发明公开了基于统计约束损失函数的脑梗塞病灶自动分割方法,能够提升病灶分割结果的准确性。其主要的思路为:获取脑部弥散加权磁共振图像进行预处理,获得b0图像和DWI图像并计算出表观扩散系数ADC真值图像;构建卷积神经网络,取手工标注的病灶标注图像、DWI图像以及ADC真值图像输入到卷积神经网络中进行迭代训练,卷积神经网络中预先定义四项损失函数,包括Dice系数损失函数、交叉熵损失函数、体积误差损失函数以及ADC值误差损失函数;在每一次迭代过程中,根据卷积神经网络的分割结果和病灶标注图像对四项损失函数进行优化;迭代训练结束后获得训练好的卷积神经网络;采用训练好的卷积神经网络对脑部弥散加权磁共振图像进行脑梗塞病灶的自动分割。
  • 基于统计约束损失函数梗塞病灶自动分割方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top