“耿天玉”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种矿物图像识别与分类方法-CN202011054000.1有效
发明人： 耿天玉;段磊;何邦君;王培妍 -专利权人：四川大学
申请日： 2020-09-30 - 公布日： 2022-04-19 - 主分类号： G06V10/764 文献下载
摘要：本发明属于图像识别技术领域，具体涉及一种矿物图像识别与分类方法，步骤为：S10：将矿物图片放大并切割成大小相等的子图；对各个子图中的黄铁矿、干酪根和剩余矿物进行分割标注；S20：对S10中分割标注的黄铁矿、干酪根和剩余矿物进行有监督训练学习，得到第一网络模型；S30：对黄铁矿的特征再次进行有监督训练学习，得到第二网络模型；S40：将待识别图片输入第一网络模型得到一次分类黄铁矿、一次分类干酪根和一次分类剩余矿物；将一次分类黄铁矿和一次分类剩余矿物输入第二网络模型，得到二次分类黄铁矿和二次分类剩余矿物。通过二次识别与分类，将第一次分类出来的黄铁矿和剩余矿物再次进行识别与分类，提高了识别黄铁矿的精度。
一种矿物图像识别分类方法

[发明专利]一种利于进行精子活性分析的DVS数据处理方法-CN201811445325.5有效
发明人：李洪莹;袁东智;孙晓东;代居岐;高绍兵;耿天玉;唐华锦 -专利权人：四川大学
申请日： 2018-11-29 - 公布日： 2021-07-16 - 主分类号： G16H50/20 文献下载
摘要：本发明涉及机器视觉技术领域，公开了一种利于进行精子活性分析的DVS数据处理方法。通过本发明创造，可在获取通过DVS摄像机对处于显微镜下的新鲜精液进行录制而得到的精子活跃事件记录文件后，从该精子活跃事件记录文件中读取所有精子活跃事件的激活位置信息和激活时间信息，并通过三维视图和二维视图对读取信息进行局部输出显示，使得医务工作人员或研究人员能够直观感受到精子活动情况，大大方便人们根据前述多维视图进行精子活性定性及定量分析，利于快速和准确地得到精子活性分析结果，促进生殖医学领域的长足发展。
一种利于进行精子活性分析 dvs 数据处理方法

[发明专利]一种神经网络的构建、训练、识别方法和系统、存储介质-CN202010503980.2在审
发明人： 耿天玉;肖蓉 -专利权人：四川大学
申请日： 2020-06-05 - 公布日： 2020-09-08 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络的构建、训练、识别方法和系统、存储介质。由于神经元内部状态变量及误差函数的不连续性，本发明利用时间脉冲的卷积核函数构建输入层脉冲序列；在隐藏层，利用漏电‑整合‑激发神经元模型，求解突触后神经元的膜电压。当膜电压超过预先定义的阈值，将激发一个脉冲传递到下一层；在网络输出层，训练误差通过想要的脉冲序列和真实的脉冲序列之间的差值进行计算；然后利用一种对Widrow‑Hoff(WH)学习规则的模拟，来进行梯度的误差降低和反传；该神经网络模型具有强大的处理复杂的时序数据的能力(如视频中目标识别和语音识别)，将有助于实现类脑计算在实际中的应用。
一种神经网络构建训练识别方法系统存储介质

[发明专利]基于独立分量分析网络的人脸识别方法-CN201710620955.0有效
发明人：张永清;耿天玉;胡金蓉;符颖;郜东瑞;赵长名 -专利权人：成都信息工程大学
申请日： 2017-07-27 - 公布日： 2020-04-03 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于独立分量分析网络的人脸识别方法，所述方法包括以下步骤：步骤1：对输入的人脸图像进行裁剪、对齐、归一化预处理；步骤2：采用一组已经训练好的ICA滤波得到一组映射图像；步骤3：对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像；步骤4：对每张映射图像进行分块的LBP编码，然后全部串起来得到特征表达；步骤5：对特征表达进行WPCA降维，最后采用余弦相似测量对两张人脸图像进行识别验证。本发明采用训练好的ICA滤波应用到CNN中构成单身网络，基于ICA滤波不同的感知区域得到多尺度信息。在人脸识别中能够保证较高的识别率，同时有效地降低计算量，便于推广应用。
基于独立分量分析网络识别方法

[发明专利]一种基于周期分量提取技术的短时交通流量预测方法-CN201410312044.8有效
发明人：柏吉琼;戴元;谢强;舒勤;耿天玉;盛鹏 -专利权人：四川省交通科学研究所
申请日： 2014-07-03 - 公布日： 2014-10-08 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种基于周期分量提取技术的短时交通流量预测方法，所述方法包括：（A）对交通流量时间序列波形分别以一天数据间隔来构造循环矩阵，（B）利用PCA技术，计算步骤（A）中得到的所述日循环矩阵的最大特征值和其对应的特征向量，将所述特征向量转换成时域波形，（C）从所述交通流量序列减去所述日周期的序列得到剩余波形；（D）对所述剩余波形以一周的数据间隔来构造周循环矩阵，并重复步骤（B）-（C），得到周周期序列和最终剩余波形，其中，所述交通流量序列=所述日周期序列+所述周周期序列+所述随机扰动分量，利用预测模型对所述交通流量序列进行处理获得最终的预测结果，实现了高效准确的对交通流量进行预测的技术效果。
一种基于周期分量提取技术交通流量预测方法