“潘思佳”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12个，建议您升级VIP下载更多相关专利

[发明专利]多模态多拼接的RGB-D显著性目标检测方法-CN201910740104.9有效
发明人：周武杰;潘思佳;雷景生;钱亚冠;何成;李颜娥;王海江 -专利权人：浙江科技学院
申请日： 2019-08-12 - 公布日： 2023-09-22 - 主分类号： G06V10/46 文献下载
摘要：本发明公开了一种多模态多拼接的RGB‑D显著性目标检测方法。本发明采用ResNet50对RGB图像和经过处理的三通道深度图像进行预训练，并且从预训练中提取特征信息相互交叉结合，这是在现有方法中基本没有运用过的；在后期设计的模型中又运用到ResNet模块训练，使得训练信息前后相匹配；模型中还设计了一个采用卷积与Denseblock结合的新型模块即细节关联模块，充分结合了卷积和DenseNet的优点，使得预测结果十分优秀。本发明方法得到的真实场景图像的显著性检测结果非常好，表明利用本发明方法来获取真实场景图像对应的预测显著性检测图像是可行性且有效。
多模态多拼接 rgb 显著目标检测方法

[发明专利]多特征级联RGB-D显著性目标检测方法-CN201911099871.2有效
发明人：周武杰;潘思佳;林鑫杨;黄铿达;雷景生;何成;王海江;薛林林 -专利权人：浙江科技学院
申请日： 2019-11-12 - 公布日： 2023-05-26 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种多特征级联RGB‑D显著性目标检测方法。选取RGB图像及其对应的深度图和真实显著性图像构成构成训练集，构建卷积神经网络，包括两个输入层、隐层和输出层，将训练集输入到卷积神经网络中进行训练，得到训练集中的每幅RGB图像对应的显著性预测图像，计算训练集中的每幅RGB图像对应的显著性预测图像与对应的真实显著性图像之间的损失函数值，不断训练取值最小的损失函数值对应的权值矢量和偏置项；待预测的RGB图像和深度图像输入到训练好的卷积神经网络训练模型中，得到预测分割图像。本发明模型结构新颖，经过模型处理之后得到的显著图与目标图相似率高。
特征级联 rgb 显著目标检测方法

[发明专利]一种基于蓝光刻录场景下的批量数据解冻方法-CN202211277090.X在审
发明人： 潘思佳;马鹤鸣;王然 -专利权人：华录光存储研究院（大连）有限公司
申请日： 2022-10-18 - 公布日： 2023-03-03 - 主分类号： G06F3/06 文献下载
摘要：本发明公开了一种基于蓝光刻录场景下的批量数据解冻方法，包括步骤一、用户端调用s3服务的aws协议接口并发起生成清单请求，生成清单文件，上传清单文件至s3；步骤二、用户端调用s3control服务的aws协议接口并发起创建批量任务请求，创建任务队列；步骤三、从任务队列中获取清单文件中的对象集合，从对象集合中获取需要缓存对象的对象名，创建线程池，分别从线程池中选择单个线程发送一个缓存请求至s3，获取根据缓存请求生成的缓存内容，根据缓存内容生成缓存结果列表，将缓存结果列表上传至s3；步骤四、返回执行步骤三，直到任务队列没有待执行的任务。能够实现批量缓存及管理了批量发送任务时的系统资源，提高缓存效率。
一种基于刻录场景批量数据解冻方法

[发明专利]一种CDM场景下的VMware虚拟机备份方法-CN202211277087.8在审
发明人： 潘思佳;马鹤鸣;齐京伟 -专利权人：华录光存储研究院（大连）有限公司
申请日： 2022-10-18 - 公布日： 2023-01-17 - 主分类号： G06F11/14 文献下载
摘要：本发明公开了一种CDM场景下的VMware虚拟机备份方法，包括，用户连接并传递备份任务至vCenter，vCenter根据备份任务的虚拟机id连接到对应的虚拟机，开启vCenter的更改块跟踪模块；vCenter下载虚拟机所在文件夹的配置文件，配置文件包括.vmx、.nvram、.vmxf文件；创建虚拟机在当前时刻的快照文件；下载虚拟机所在文件夹除‑flat.vmdk以外的.vmdk文件；使用VDDK打开与快照相连的虚拟机‑flat.vmdk磁盘，获取磁盘的总数，根据更改块跟踪模块依次获取磁盘的变化区域，依次读取各个磁盘变化区域中的块信息，将块信息写入并存储在备份软件服务端。实现了对VMware虚拟机的备份和恢复，适用于CDM场景，全量备份和增量备份流程一致，比传统备份效率高，节省空间，备份恢复速度快。
一种 cdm 场景 vmware 虚拟机备份方法

[发明专利]一种基于系统动力学的多形态电网动态评价的方法及系统-CN202211239362.7在审
发明人：任曦骏;宋竹萌;王宝;张理;邵筱宇;叶钰童;徐冉;王梦圆;徐潇源;严正;潘思佳 -专利权人：国网安徽省电力有限公司经济技术研究院;上海交通大学
申请日： 2022-10-11 - 公布日： 2022-12-30 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种基于系统动力学的多形态电网动态评价的方法，包括：发掘影响目标实现的技术性指标和效果性指标；建立技术性指标和效果性指标的方程式；根据技术性指标、效果性指标、以及技术性指标和效果性指标的方程，建立基于多形态电网价值特性动态评价的SD模型；基于VENSIM PLE软件对SD模型进行仿真分析，得到各个指标的值以及各个指标之间的关系。本发明还公开了一种基于系统动力学的多形态电网动态评价的系统。本发明以多形态电网的投资为出发点，建立通过投资实现的智能技术对多形态电网建设效果动态影响的SD模型；SD模型定量地分析了指标和相关因素之间的因果反馈关系，通过VENSIM PLE软件进行仿真分析，给出多形态电网评价指标随时间演变的趋势。
一种基于系统动力学形态电网动态评价方法

[发明专利]基于卷积神经网络的3D图像质量检测方法-CN201910963193.3有效
发明人：周武杰;林鑫杨;潘思佳;雷景生;何成;王海江 -专利权人：浙江科技学院
申请日： 2019-10-11 - 公布日： 2022-06-10 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的3D图像质量检测方法。本发明方法在训练阶段，构建包括特征提取网络，特种融合网络以及质量权重预测网络的卷积神经网络，同时融合图像低级、中级、高级特征，让网络学习更高层次的抽象；考虑双目竞争，通过网络训练出自适应的质量和权重，提升非对称失真3D图像质量预测的准确性；由于人眼对图像区域的关注度不同，显著区域的图像质量对整体3D图像的影响较大，我们在训练阶段使用显著区域选择，测试阶段使用显著加权来得到整体的图像质量。本发明不使用人的主观分数进行监督，不存在由于人的主观因素造成的训练误差，可以使预测结果更为客观，准确。
基于卷积神经网络图像质量检测方法

[发明专利]基于卷积神经网络的多尺度图像质量检测方法-CN201910963764.3有效
发明人：周武杰;林鑫杨;潘思佳;雷景生;何成;王海江 -专利权人：浙江科技学院
申请日： 2019-10-11 - 公布日： 2022-05-31 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的多尺度图像质量检测方法。其在训练阶段，构建卷积神经网络，其中有十一个内部网络层，其中有三层卷积用于编码，三层反卷积用于解码，其余七层用于加深网络，让网络学习更高层次的抽象，网络还包括两个跳层和三个多尺度输出层；将原始失真图像进行相应的预处理，输入到网络进行训练，将输入数据映射到原始图像对应的结构特征相似图；通过方向传播算法不断迭代更新网络参数，得到较优的网络参数；在测试阶段，通过训练好的网络提取测试图像特征，通过显著加权得到测试图像的整体质量结果。本发明不使用人的主观分数进行监督，不存在由于人的主观因素造成的训练误差，可以使预测结果更为客观，准确。
基于卷积神经网络尺度图像质量检测方法

[发明专利]一种基于卷积神经网络的实时道路场景分割方法-CN202010793917.7在审
发明人：周武杰;林鑫杨;潘思佳;强芳芳;雷景生;周扬;邱微微 -专利权人：浙江科技学院
申请日： 2020-08-10 - 公布日： 2020-12-29 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的实时道路场景分割方法，其构建卷积神经网络，包括彩色图像输入层、热力图像输入层、深层次特征提取模块、浅层次特征提取模块、第一上采样层、空间注意力机制模块、空间分辨率恢复模块、输出层；将原始的道路场景彩色图像的R、G和B通道分量及经纬度扩充后形成的三通道热力图像输入到卷积神经网络中进行训练，得到9幅语义分割预测图，通过计算真实语义分割图像处理成的9幅独热编码图像与对应的9幅语义分割预测图之间的损失函数值，得到卷积神经网络训练模型的最优权值矢量和最优偏置项；测试时利用卷积神经网络训练模型对待语义分割的道路场景彩色图像进行预测；优点是分割准确度高，且能达到实时性要求。
一种基于卷积神经网络实时道路场景分割方法

[发明专利]一种三输入的RGB-D显著性目标检测算法-CN202011053394.9在审
发明人：周武杰;潘思佳;林鑫杨;甘兴利;雷景生;强芳芳 -专利权人：浙江科技学院
申请日： 2020-09-29 - 公布日： 2020-12-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种三输入的RGB‑D显著性目标检测算法，应用于计算机视觉技术领域。针对不同类型的图片使用了不同框架的预训练操作，并且从预训练中提取特征信息。在传统的RGB‑D双流模型的基础上增加了一条由RGB信息和深度信息拼接而成的彩色深度信息线路。融合了彩色信息和深度信息，有效的减少了信息损耗。本发明还设计了一个新型融合模块，融合了多层次的信息特征。在模型输出的地方，本发明又设计了四个不同尺度的输出，总体损失为四个输出的损失之和，这种方法既保护了低级特征的信息又维护了高级特征信息。
一种输入 rgb 显著目标检测算法

[发明专利]一种多层次深度辅助性RGB-D显著性目标检测方法-CN202010492295.4在审
发明人：周武杰;潘思佳;林鑫杨;雷景生;强芳芳;何成;王海江 -专利权人：浙江科技学院
申请日： 2020-06-03 - 公布日： 2020-10-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种多层次深度辅助性RGB‑D显著性目标检测方法，其在训练阶段，获取包含彩色真实目标图像及对应的深度图像和真实显著性图像的训练集；构建多层次架构的卷积神经网络；将彩色真实目标图像及对应的深度图像输入到卷积神经网络中进行训练，即将深度信息作为彩色信息的辅助信息输入到卷积神经网络中，既保留了主要的彩色信息，又有深度信息做辅助，使得训练得到的卷积神经网络训练模型不会因为重视深度信息而忽视了作为主体的彩色信息；在测试阶段，利用卷积神经网络训练模型巧妙地融合了彩色信息和深度信息，使得得到的预测显著性检测图像的效果更好。
一种多层次深度辅助性 rgb 显著目标检测方法

[发明专利]一种基于卷积神经网络的室内场景语义分割方法-CN202010291517.6在审
发明人：周武杰;林鑫杨;潘思佳;雷景生;郭翔;何成;王海江 -专利权人：浙江科技学院
申请日： 2020-04-14 - 公布日： 2020-08-21 - 主分类号： G06K9/34 文献下载
摘要：本发明公开了一种基于卷积神经网络的室内场景语义分割方法。训练阶段，构建卷积神经网络，包括输入层、特征提取层、特征融合层和输出层；使用原始的室内场景图像输入到卷积神经网络中进行训练，得到对应的语义分割预测图；再计算原始的室内场景图像对应的语义分割预测图构成的集合与对应的真实语义分割图像处理成的独热编码图像构成的集合之间的损失函数值，获得卷积神经网络分类训练模型的最终权值矢量和偏置项；在测试阶段，将待语义分割的室内场景图像输入到卷积神经网络分类训练模型中，得到预测语义分割图像。本发明上述方法能够提高了室内场景图像的语义分割效率和准确度。
一种基于卷积神经网络室内场景语义分割方法

[实用新型]一种方便折叠的美术教育用绘图板-CN201920051999.0有效
发明人： 潘思佳 -专利权人：上海济光职业技术学院
申请日： 2019-01-11 - 公布日： 2019-11-05 - 主分类号： B44D3/18 文献下载
摘要：本实用新型公开了一种方便折叠的美术教育用绘图板，包括第一绘图板以及第二绘图板，所述第一绘图板的右侧开设有插槽，所述第二绘图板的左端贯穿至插槽内并与其接触，所述第一绘图板以及第二绘图板的顶部均固定连接有提把，所述第一绘图板以及第二绘图板的顶部与底部均螺纹连接有螺纹杆。该方便折叠的美术教育用绘图板，通过插槽、拔块、连接杆、复位弹簧、可活动卡块、卡槽、移动槽、滑槽、滑块、螺纹杆、拧块、第一连接块、第一铰链、第二连接块以及第二铰链的设置，解决了传统的绘图板结构单一，且不便于折叠，不方便使用者进行使用后存放的问题，使该方便折叠的美术教育用绘图板便于折叠，方便使用者使用后进行存放。
绘图板美术教育折叠的插槽螺纹杆折叠铰链复位弹簧螺纹连接传统的可活动连接杆移动槽拔块滑槽滑块绘图卡槽卡块提把左端贯穿

1
共 12 条