“杨淑媛”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果420个，建议您升级VIP下载更多相关专利

[发明专利]一种钢铁加工用可调节式夹持装置-CN202110007219.4有效
发明人： 杨淑媛;梁婉 -专利权人：湖南中部智能制造有限公司
申请日： 2021-01-05 - 公布日： 2023-01-17 - 主分类号： B25B11/00 文献下载
摘要：本发明公开了一种钢铁加工用可调节式夹持装置，属于钢铁加工技术领域，包括安装架、第一定位夹板、定位组件、第一内齿条、内置齿套、限位板、第二外顶弹簧和连接销轴，所述安装架的后侧外壁上固定安装有驱动电机，所述安装架的一侧外壁上相互平行开设有第一侧槽与第二侧槽，所述第一侧槽与第二侧槽的内部均通过滑块滑动安装有第一定位夹板与第二定位夹板。本发明通过在内部安装有可进行相对移动的安装内套与安装外套，通过调节安装内套的配合外齿与安装外套的齿槽的配合与脱离的关系，可有效实现对于钢件位置的快速变换，无需重新拆卸钢件进行重新安装，此设计合理巧妙，可实现对于钢件解除夹持的同时进行钢件位置调节的功能，使用方便快捷。
一种钢铁工用调节夹持装置

[发明专利]基于深度学习的宽带信号参数估计方法-CN202011623078.0有效
发明人： 杨淑媛;郝晓阳;冯志玺;王翰林;潘求凯;包以铭;杨晨;汪智易;刘慧玲;段韵章;马宏斌 -专利权人：西安电子科技大学
申请日： 2020-12-31 - 公布日： 2022-12-27 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度学习的宽带信号参数估计方法，基于YOLOv4网络和灰度时频图实现宽带特定信号的检测和识别，并对检测结果进一步计算和更新得到每个检测到宽带信号的估计参数，克服了现有方法检测识别精度低、参数估计不准、适用类型少且严重依赖专家先验等问题。本发明主要包括以下步骤：(1)生成宽带特定信号训练集；(2)训练YOLOv4网络；(3)对宽带信号灰度时频图进行检测识别；(4)计算检测识别到的每个宽带特定信号的参数；(5)对宽带特定信号的参数进行判断；(6)更新宽带特定信号参数。本发明具有宽带特定信号检测识别精度高、参数估计准和方法普适等优点，可用于无线电检测和侦查中对宽带信号进行分析。
基于深度学习宽带信号参数估计方法

[发明专利]一种金属板材裁切刀具-CN202011154856.6有效
发明人： 杨淑媛;梁婉 -专利权人：佛山市冈崎致锐精密刀具有限公司
申请日： 2020-10-26 - 公布日： 2022-12-06 - 主分类号： B23D19/00 文献下载
摘要：本发明公开了板材裁切设备技术领域的一种金属板材裁切刀具，本发明设有板材下压限位板，可对裁剪的板材进行固定，进而避免板材翘边导致板材切割不齐或者板材损坏，设有的刀具安装移动架，可对切割刀片的刀具的位置进行调节，从而方便切割，设有的刀具升降机构，可对刀片的高度进行调节，进而使得旋转刀具可以切割不同厚度的板材，大大提高设备的使用范围，提高设备的实用性，设有的刀具离合机构以及电磁刹盘可在旋转刀具碰到操作人员的身体时，及时刹停，避免人员受伤，大大提高设备的使用安全性，设有的磨刀块可在设备使用时对刀片进行打磨，进而对因切割板材变钝的刀具进行打磨，提高刀片的使用寿命以及设备切割的效率。
一种金属板材刀具

[发明专利]基于深度哈希辅助网络的遥感图像快速目标检测方法-CN201910182161.X有效
发明人： 杨淑媛;王喆;冯志玺;胡滔;徐光颖;余亚萍;马文萍;尚荣华;王敏;焦李成 -专利权人：西安电子科技大学
申请日： 2019-03-11 - 公布日： 2022-12-06 - 主分类号： G06V20/20 文献下载
摘要：本发明公开了一种基于深度哈希辅助网络的遥感图像快速目标检测方法，解决了现有目标检测框架对于宽幅遥感图像中存在的占大部分面积的无目标存在的背景区域不能做高效检测的问题。实现步骤为：生成实验训练图像块集合和测试图像块集合；构建基于深度哈希辅助网络的遥感图像快速目标检测模型；训练基于深度哈希辅助网络的遥感图像快速目标检测模型；用训练好的深度哈希辅助网络得到测试图像块集合的测试结果并统计运行时间。本发明引入了哈希辅助分支网络模块，通过快速过滤宽幅遥感图像中大部分无目标的背景区域，大幅减少了目标检测中的冗余计算，使无目标背景区域检测时间大大降低，大幅提高了检测效率。用于宽幅遥感图像的目标检测。
基于深度辅助网络遥感图像快速目标检测方法

[发明专利]基于视差图和多尺度深度网络模型的遥感图像分割方法-CN201910407103.2有效
发明人：焦李成;陈洁;李晓童;张若浛;郭雨薇;李玲玲;屈嵘;杨淑媛;侯彪 -专利权人：西安电子科技大学
申请日： 2019-05-16 - 公布日： 2022-12-06 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于视差图和多尺度深度网络模型的遥感图像分割方法，主要解决现有遥感图像分割方法分割精度较低和鲁棒性较弱的问题，其实现方案为：读入数据集，生成遥感图像分割的训练数据集；构建多尺度融合的分割网络模型；用训练数据集训练分割网络模型，并保存7个不同迭代次数的模型；用保存的分割网络模型得到7种不同的分割结果图；对7种不同的分割结果图进行多数投票，并对对投票后的结果图进行超像素处理，得到初步分割结果图；用SGBM算法获得测试场景的视差图；用视差图优化初步分割结果图，得到最终的分割结果。本发明相比于现有方法明显地提高了分割精度和鲁棒性，可广泛应用于城乡规划、智能城建。
基于视差尺度深度网络模型遥感图像分割方法

[发明专利]基于全卷积网络与形态学处理的遥感图像语义分割方法-CN201910410666.7有效
发明人：焦李成;吴漪楠;皮兆亮;李玲玲;张梦璇;屈嵘;杨淑媛;侯彪;唐旭 -专利权人：西安电子科技大学
申请日： 2019-05-16 - 公布日： 2022-12-06 - 主分类号： G06T7/12 文献下载
摘要：本发明提出了一种基于全卷积网络与形态学处理的遥感图像语义分割方法，主要解决现有的遥感图像语义分割方法分割准确率低的问题，其实现方案为：构建训练样本集和验证样本集，对训练样本集进行数据增强与数据扩充预处理，分别搭建图像级联网络ICNet模型、金字塔场景解析网络PSPNet模型和基于编码器表示的连接网络LinkNet模型这三种全卷积网络模型，训练并验证全卷积网络模型；将待测试的遥感图像输入训练好的全卷积网络中，得到语义分割初次结果，并采用形态学腐蚀与膨胀运算对语义分割图精调，得到最终的语义分割结果。本发明提升了图像的整体分割效果，可用于遥感图像的分割、分类、检测与跟踪任务。
基于卷积网络形态学处理遥感图像语义分割方法

[发明专利]基于FPGA深度边缘滤波器的高光谱图像分类方法-CN201910766635.5有效
发明人：焦李成;刘芳;孙璆琛;樊龙飞;苏蓓;屈嵘;李玲玲;唐旭;冯志玺;杨淑媛;侯彪;田小林 -专利权人：西安电子科技大学
申请日： 2019-08-20 - 公布日： 2022-12-06 - 主分类号： G06V10/764 文献下载
摘要：一种基于FPGA深度边缘滤波器的高光谱图像分类方法，主要解决现有技术中高光谱图像分类速度慢、功耗高和分类精度低的问题。本发明具体步骤如下：1)输入待分类高光谱图像；2)对待分类高光谱图像进行预处理；3)对预处理后的高光谱图像进行降维操作；4)用深度边缘滤波器进行深度边缘滤波；5)生成训练集和测试集；6)构建高光谱图像分类网络；7)训练高光谱图像分类网络；8)对测试集进行分类。本发明采用深度边缘滤波器，并利用现场可编程门阵列FPGA和OpenCL异构计算框架对测试集进行分类，具有针对高光谱图像分类问题速度快、功耗低和精度高的优点。
基于 fpga 深度边缘滤波器光谱图像分类方法

[发明专利]基于FPGA异构深度学习的光学遥感图像目标检测方法-CN201910718212.6有效
发明人：焦李成;刘芳;樊龙飞;苏蓓;孙璆琛;屈嵘;李玲玲;唐旭;冯志玺;杨淑媛;侯彪;田小林 -专利权人：西安电子科技大学
申请日： 2019-08-05 - 公布日： 2022-12-02 - 主分类号： G06V20/10 文献下载
摘要：本发明提出了一种基于FPGA异构深度学习的光学遥感图像目标检测方法，主要解决现有技术中光学遥感图像目标检测中误检率高、鲁棒性差、功耗高的问题。实现步骤为：构建遥感图像训练数据集；构建基于多尺度特征交叉融合的目标检测网络；利用训练数据集训练该目标检测网络，得到目标权重；对该目标检测网络依次进行高级语言描述和编译，得到SOF可执行文件；在FPGA上运行上述得到的可执行文件，得到检测结果。本发明构建的网络，使用颜色空间转换和多尺度特征交叉融合，改善了因外界光线环境变化及目标小造成的误检和漏检，且选用FPGA作为加速平台，降低了网络运行功耗，可应用于对光学遥感图像不同区域内的飞机与舰船的地物识别。
基于 fpga 深度学习光学遥感图像目标检测方法

[发明专利]基于集成深度学习的小样本太赫兹图像异物检测方法-CN201910205485.0有效
发明人： 杨淑媛;余亚萍;冯志玺;王敏;刘志;徐光颖;王俊骁;高全伟;胡滔;王喆 -专利权人：西安电子科技大学
申请日： 2019-03-18 - 公布日： 2022-12-02 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于集成深度学习的小样本太赫兹图像异物检测方法，主要解决现有方法需要人工设计图像特征，训练过程复杂，且不能对某一类样本数目特别少的小样本赫兹图像进行异物检测的问题。本发明的具体要步骤如下：(1)制作小样本太赫兹图像数据集；(2)扩增图像训练集；(3)搭建集成深度学习网络；(4)训练集成深度学习网络；(5)对图像测试集进行检测。本发明能够自动提取图像特征，训练过程简单，考虑了实际样本中某一类样本数目特别少的小样本情况，能够对小样本太赫兹图像进行异物检测，能提高小样本中数目特别少的一类的检测正确率。
基于集成深度学习样本赫兹图像异物检测方法

[发明专利]基于噪声挤压和通道注意力机制的热成像图像超分辨方法-CN202210843101.X在审
发明人：刘旭;焦李成;张轩铭;唐旭;孙其功;刘芳;陈璞花;李玲玲;郭雨薇;侯彪;杨淑媛;张向荣;白静 -专利权人：西安电子科技大学
申请日： 2022-07-18 - 公布日： 2022-11-29 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于噪声挤压和通道注意力机制的热成像图像超分辨方法，包括：获取待重建热成像图像；利用超分辨网络对待重建热成像图像进行图像重建得到超分辨率的热成像图像；其中，超分辨网络为通过热成像训练数据进行训练得到的训练好的超分辨网络；超分辨网络包括特征提取模块、多级通道注意力模块、噪声挤压模块、高频滤波模块和上采样模块。本发明基于提出的新的超分辨网络模型，提高了超分辨率热图像重建细节成像效果。
基于噪声挤压通道注意力机制成像图像分辨方法

[外观设计]医疗推车（A2）-CN202230385788.8有效
发明人： 杨淑媛 -专利权人： 杨淑媛
申请日： 2022-06-22 - 公布日： 2022-11-29 - 主分类号： 12-02 文献下载
摘要：1.本外观设计产品的名称：医疗推车（A2）。2.本外观设计产品的用途：外观设计产品用于医务人员放置医药、医疗用品。3.本外观设计产品的设计要点：在于形状。4.最能表明设计要点的图片或照片：设计1立体图。5.指定设计1为基本设计。
医疗推车 a2

[发明专利]一种基于无监督空频表征学习融合的SAR图像变化检测方法-CN202210813300.6在审
发明人：焦李成;陈璞花;谷雨;刘旭;董惠惠;刘芳;屈嵘;郭雨薇;李玲玲;唐旭;侯彪;杨淑媛;张向荣 -专利权人：西安电子科技大学
申请日： 2022-07-11 - 公布日： 2022-11-25 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于无监督空频表征学习融合的SAR图像变化检测方法，包括：将变化前SAR图像和变化后SAR图像生成差异图；对差异图进行层次聚类生成确定数据和待分类数据；提取第一像素块的空间域特征、频域特征信息、像素块信息；将提取到的第一空间融合特征、第一频域特征和第一像素信息特征进行拼接，得到第一拼接特征；对第一拼接特征进行分类，得到待分类数据的分类结果；将可确定数据的分类结果与待分类数据的分类结果进行融合，得到最终分类结果。该方法使用无监督方法，避免由于SAR图像变化检测没有标签无法训练的问题，同时能够有效的提取关键信息，很好的关注到主要信息，从而提供变化检测的精度，使得检测结果更加合理可信。
一种基于监督表征学习融合 sar 图像变化检测方法

[发明专利]基于多方向注意力表征增强的SAR影像变化检测方法-CN202210797191.3在审
发明人：焦李成;刘旭;曹国金;董惠惠;刘芳;李玲玲;郭雨薇;陈璞花;侯彪;杨淑媛;唐旭;张向荣;白静 -专利权人：西安电子科技大学
申请日： 2022-07-07 - 公布日： 2022-11-22 - 主分类号： G06V20/13 文献下载
摘要：本发明提供的一种基于多方向注意力表征增强的SAR影像变化检测方法，通过获取双时相SAR图像分别进行多尺度卷积和多方向特征提取，多尺度卷积能够得到图像的多尺度特征信息，多方向特征提取能够将区域特征进行筛选得到与中心点相近的特征，将这些特征进行融合。融合后的特征经过与方向窗口设计区域匹配的自注意力模块，这样可以通过模型训练得到像素点不同方向的区域重要性，增强中心点的表征信息也排除一些干扰信息。本发明与现有技术的变化检测方法相比，增强中心点表征信息，排除无效信息，解决遥感SAR图像变化检测噪声问题，提升其变化检测效果。
基于多方注意力表征增强 sar 影像变化检测方法

[发明专利]一种SAR影像域自适应动态优化地物分类模型训练方法-CN202210795908.0在审
发明人：焦李成;李玲玲;王梦娇;刘芳;刘旭;任仲乐;陈璞花;郭雨薇;侯彪;杨淑媛;唐旭;张向荣;白静 -专利权人：西安电子科技大学
申请日： 2022-07-07 - 公布日： 2022-11-18 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种SAR影像域自适应动态优化地物分类模型训练方法，包括：获取有标签的源域SAR影像和无标签的目标域SAR影像，生成源域、目标域训练样本；初始化第一待训练模型；将源域、目标域训练样本输入至第一待训练模型，并在确定第一损失值及预设损失函数的梯度后，更新分割网络的网络参数，得到第二待训练模型；根据第一损失值、偏好向量、第一待训练模型的任务数量和分割网络的参数数量，计算动态优化系数；将源域、目标域训练样本输入第二待训练模型，并确定第二损失值；利用动态优化系数、不同任务的损失值及损失函数梯度，调整第二待训练模型的网络参数；迭代次数达到预设值时，获得地物分类模型。本发明提高了SAR影像地物分类精度。
一种 sar 影像自适应动态优化地物分类模型训练方法

[外观设计]地摊推车-CN202230464027.1有效
发明人： 杨淑媛 -专利权人： 杨淑媛
申请日： 2022-07-20 - 公布日： 2022-11-04 - 主分类号： 12-02 文献下载
摘要：1.本外观设计产品的名称：地摊推车。2.本外观设计产品的用途：本外观设计产品用于路边摊售卖食物。3.本外观设计产品的设计要点：在于形状。4.最能表明设计要点的图片或照片：立体图。
地摊推车