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28个,建议您升级VIP下载更多相关专利
  • [发明专利]一种深度学习模型、海底底质解译方法、装置及介质-CN202311129089.7在审
  • 秦绪文;王浩屹;李显巨;陈伟涛 - 中国地质大学(武汉)
  • 2023-09-04 - 2023-10-10 - G06V20/10
  • 本发明提供一种深度学习模型、海底底质解译方法、装置及介质,涉及遥感信息解译领域,深度学习模型包括编码器模块、特征融合模块、图卷积神经网络模块及解码器模块,编码器模块、特征融合模块、图卷积神经网络模块及解码器模块顺次连接;编码器模块用于输出先验知识特征和多波束影像特征至特征融合模块;特征融合模块用于融合先验知识特征和多波束影像特征,输出融合特征至图卷积神经网络模块;图卷积神经网络模块用于处理融合特征,输出海底编码信息至解码器模块;解码器模块用于解译海底编码信息,输出第一海底底质解译标签。本发明提供的技术方案可以提高海底底质图像解译的准确性,进而反映真实的海底底质种类。
  • 一种深度学习模型海底底质解译方法装置介质
  • [发明专利]一种药物副作用预测方法、装置、电子设备及存储介质-CN202310702073.4有效
  • 唐厂;金子潇;郑晓;李显巨 - 中国地质大学(武汉)
  • 2023-06-14 - 2023-09-22 - G16H70/40
  • 本发明提供一种药物副作用预测方法、装置、电子设备及存储介质,涉及生物信息学技术领域。方法包括:根据待预测药物的分子式,确定原子特征矩阵和原子邻接矩阵,根据药物副作用集合,确定节点特征矩阵和节点邻接矩阵;根据原子邻接矩阵,确定第一原子特征矩阵,根据节点邻接矩阵,确定第一节点特征矩阵;根据原子特征与药物副作用之间的影响关系,确定第二原子特征矩阵和第二节点特征矩阵;融合第一原子特征矩阵和第二原子特征矩阵,确定预测原子特征矩阵,融合第一节点特征矩阵和第二节点特征矩阵,确定预测节点特征矩阵;根据预测原子特征矩阵和节点特征矩阵,确定待预测药物的预测矩阵。本发明可以提高了药物副作用预测的准确率。
  • 一种药物副作用预测方法装置电子设备存储介质
  • [发明专利]一种岩土体分类模型构建方法及岩土体分类方法-CN202310814753.5有效
  • 李显巨;陈伟涛;张过;王力哲;陈刚;胡康 - 中国地质大学(武汉)
  • 2023-07-05 - 2023-09-19 - G06V10/774
  • 本发明提供一种岩土体分类模型构建方法及岩土体分类方法,涉及遥感图像处理技术领域,该方法包括:获取研究区的遥感影像、第一地质图数据和第二地质图数据,分别根据第一地质图数据对遥感影像进行配准处理和标注处理,得到第一影像数据和第一标注结果,根据第二地质图数据对遥感影像进行配准处理和标注处理,得到第二影像数据和第二标注结果;将第一标注结果和第二标注结果进行归并,得到第三标注结果;构建初始基模型和初始集成模型,训练初始基模型和初始集成模型,得到基模型和集成模型,以构建岩土体分类模型。本发明的有益效果:引入小比例尺的地质图数据训练分类模型,有效提升了模型的准确率,进而提升岩土体分类的准确性。
  • 一种岩土分类模型构建方法
  • [发明专利]双模态目标检测模型构建方法、检测方法及计算机设备-CN202310434291.4在审
  • 李显巨;李尧;陈伟涛;唐厂;冯如意;王力哲;陈刚 - 中国地质大学(武汉)
  • 2023-04-21 - 2023-09-12 - G06V10/764
  • 本发明提供了一种双模态目标检测模型构建方法、检测方法及计算机设备,涉及目标检测技术领域,包括:根据原始图像获取双模态图像;通过神经网络模块提取双模态图像的特征,得到初始双模态特征,并利用特征互补模块对双模态图像进行处理得到植被归一化指数;将初始双模态特征发送给特征互补模块,令特征互补模块利用植被归一化指数对初始双模态特征进行特征增强;将中间双模态特征输入图卷积模块得到图卷积双模态特征、第一预测结果和第二预测结果;将第一预测结果和第二预测结果输入超像素掩膜模块生成最终损失;根据最终损失对神经网络模块、特征互补模块和图卷积模块进行参数优化,得到双模态目标检测模型。本发明实现了增加目标检测精度。
  • 双模目标检测模型构建方法计算机设备
  • [发明专利]一种深度学习模型、土地覆盖分类方法及装置-CN202310573394.9在审
  • 李显巨;金圣杰;陈伟涛;冯如意;唐厂;王力哲;陈刚 - 中国地质大学(武汉)
  • 2023-05-22 - 2023-09-05 - G06V20/13
  • 本发明提供一种深度学习模型、土地覆盖分类方法及装置,涉及遥感信息技术领域,深度学习模型包括对抗学习模块、对比学习模块、图卷积神经网络模块以及输出模块;对抗学习模块用于根据获取的土地遥感多光谱场景的源域数据以及目标域数据,生成相似目标域数据和相似源域数据;对比学习模块用于处理源域数据、目标域数据、相似目标域数据和相似源域数据,获得源域光谱特征和目标域光谱特征;图卷积神经网络模块用于处理源域光谱特征和目标域光谱特征,得到土地覆盖分类信息;输出模块用于解码土地覆盖分类信息,得到土地覆盖分类结果。通过对抗学习模块、对比学习模块和图卷积神经网络模块的联合作用下,可以输出准确的土地覆盖分类结果。
  • 一种深度学习模型土地覆盖分类方法装置
  • [发明专利]基于高光谱图像的物体检测方法、装置、系统及存储介质-CN202310886314.5在审
  • 唐厂;何潇;郑晓;李显巨;孙琨;许江峰 - 中国地质大学(武汉)
  • 2023-07-19 - 2023-08-18 - G06V10/764
  • 本发明提供一种基于高光谱图像的物体检测方法、装置、系统及存储介质,涉及图像处理技术领域,包括:该方法应用于基于高光谱图像的物体检测系统,包括信息处理模型和检测模型,该方法包括:获取高光谱图像进行预处理,得到光谱信息和空间信息;利用训练好的信息处理模型,进行特征提取,得到光谱特征和空间特征,将光谱特征和空间特征融合,得到共识信息,并根据上述特征得到多个空间聚合特征和多个光谱聚合特征;利用训练好的检测模型,将多个空间聚合特征和多个光谱聚合特征融合,得到检测结果。本发明的有益效果:对空间特征和光谱特征进行提取,并处理得到共识信息和对应的聚合特征,增加高光谱图像信息利用率,进而提高物体检测效率。
  • 基于光谱图像物体检测方法装置系统存储介质
  • [发明专利]一种地物分类方法及系统-CN202310322892.6有效
  • 韩旭;李显巨;周业梅;黄晓翔;曹君;张阳阳;张菊;黄丙利 - 武汉城市职业学院
  • 2023-03-30 - 2023-08-11 - G06V20/10
  • 本发明提供了一种地物分类方法及系统,涉及图像处理技术领域,基于获取的指定区域的多光谱遥感图像和DEM数据构建样本数据集;提取样本数据集中的浅层多模态的像元特征,并堆叠像元特征,获取堆叠结果;利用图卷积神经网络和残差网络分别对堆叠结果进行分析,分别获得光谱空间深度特征和地形深度特征并进行融合,获得融合深度特征;将融合深度特征输入到分类器中,获得分类器输出的指定区域的地物标签。通过获得融合深度特征,能够利用数据中深层次的多样的地物特征,更能代表地物,分类器能够更加准确的识别地物,并对地物进行精细分类,有利于提高对复杂地形区域土地覆盖精细分类的精度。
  • 一种地物分类方法系统
  • [发明专利]一种小尺度短周期的滩涂精细建模方法-CN202310553768.0有效
  • 彭建怡;陈刚;孙启良;李显巨;欧阳桂崇;陈继发;李宏杰;彭禹杰;齐济 - 中国地质大学(武汉)
  • 2023-05-17 - 2023-08-04 - G06T17/05
  • 本发明提供了一种小尺度短周期的滩涂精细建模方法,涉及图像处理技术领域,包括:对第一多源训练数据集中的每组第一训练数据,采用多种第一融合分割算法进行融合分割,得到各第一融合分割算法对应的融合分割结果,将所得的融合分割结果融合,得到最终分割结果,基于最终分割结果与对应的标签数据计算损失函数,反向训练各第一融合分割算法的参数;基于训练好的所有第一融合分割算法的输出对DEM基础模型进行插值细化,得到精细DEM模型;基于第二多源训练数据集对第二融合分割算法进行训练,基于训练好的第二融合分割算法的输出对精细DEM模型进行插值细化,得到周期性DEM模型。本发明可生成带地质特征和时间特征及与时间强相关的DEM模型。
  • 一种尺度周期滩涂精细建模方法
  • [发明专利]基于多视图空谱联合的高光谱图像子空间聚类方法-CN202310313453.9在审
  • 李显巨;管仁祥;陈伟涛;唐厂;王力哲;陈刚 - 中国地质大学(武汉)
  • 2023-03-28 - 2023-06-23 - G06V10/762
  • 本发明涉及图像处理技术领域,提供了一种基于多视图空谱联合的高光谱图像子空间聚类方法,包括:获取高光谱图像,对所述高光谱图像进行预处理获得空谱样本;提取所述空谱样本的纹理特征和空谱特征;分别根据所述纹理特征和所述空谱特征确定对应的纹理图和空谱图;将所述纹理图和所述空谱图输入构建好的多视图图卷积子空间聚类网络,输出所述高光谱图像的聚类结果,所述多视图图卷积子空间聚类网络包括双分支自表达模块、注意力融合模块和谱聚类模块。本发明提出的多视图图卷积子空间聚类网络,以注意力融合的方式并基于纹理信息和空谱信息,提高了高光谱图像的聚类精度,降低了计算复杂度。
  • 基于视图联合光谱图像空间方法

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