“郎秀娟”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9个，建议您升级VIP下载更多相关专利

[发明专利]一种农作物种植种类推荐信息处理装置、方法及存储介质-CN202010198233.2有效
发明人：刘奥琦;卢涛;王布凡;陈润斌;陈冲;许若波;周强;郝晓慧;王宇;魏博识;郎秀娟;吴志豪;王彬 -专利权人：武汉工程大学
申请日： 2020-03-19 - 公布日： 2023-09-26 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供一种农作物种植种类推荐信息处理装置、方法及存储介质，装置包括：土壤原始数据采集模块、合成处理模块、土壤合成数据集计算模块、目标参数计算模块和推荐信息获得模块，土壤原始数据采集模块用于从待测土壤中采集多个土壤原始数据，根据多个土壤原始数据得到土壤原始数据集；合成处理模块用于将土壤原始数据集进行合成处理，得到土壤合成数据集；土壤合成数据集计算模块用于对土壤合成数据集进行计算，得到目标参数，目标参数用于计算目标平面Z；目标参数计算模块用于对目标参数进行计算，得到目标平面Z。本发明解决了土壤数据不平衡问题、小样本多分类问题，减少种植决策者的主观意向和其他客观因素影响。
一种农作物种植种类推荐信息处理装置方法存储介质

[发明专利]基于多视图纹理学习的人脸超分辨率方法及装置-CN201911140189.3有效
发明人：卢涛;王宇;张彦铎;姚全锋;杨泳;吴昊;石子慧;石仝彤;陈冲;许若波;周强;郝晓慧;魏博识;郎秀娟;吴志豪;王彬;陈中婷;王布凡;刘奥琦;陈润斌 -专利权人：武汉工程大学;武汉烽火技术服务有限公司
申请日： 2019-11-20 - 公布日： 2023-04-18 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于多视图纹理学习的人脸超分辨率方法及装置，属于人脸图像超分辨率领域，该方法包括：首先将高分辨率人脸图像对下采样至目标低分辨率人脸图像对，将目标低分辨率人脸图像对进行分块操作，分出相互重叠的图像块后，使用残差池化模块网络提取脸部纹理多尺度特征。然后，将提取的脸部多尺度特征发送到纹理注意力模块，以通过计算注意图来融合补偿纹理信息，收集最相似的特征，以更有效的提高SR性能。最后，通过特征融合来更新目标视图图像的特征图以产生高分辨率结果。本发明所提出的网络优于其他最新的人脸图像超分辨率算法，能生成更高质量的人脸图像。
基于视图纹理学习人脸超分辨率方法装置

[发明专利]一种基于大数据的跨媒体检索系统-CN202210866330.3在审
发明人：李宏博;刘忠宝;李欣;崔文升;刘博宁;郎秀娟 -专利权人：李宏博
申请日： 2022-07-22 - 公布日： 2023-01-03 - 主分类号： G06F16/2457 文献下载
摘要：本发明涉及检索技术领域，尤其是一种基于大数据的跨媒体检索系统，包括数据采集模块，所述数据采集模块将从大数据信息源中进行数据的采集，并将采集的数据通过网络传输模块与基站构成的传输体系进行传输，将数据传输至管理模块中后进行数据的系统性的管理，同时数据管理模块与信息查询模块相连接，进行信息的查询以及检索。本发明能够快速且稳定的将客户索要检索的内容，全面的调取出来，预先对大数据中出现的信息进行分类，使得检索的内容高度满足用户的需求，从而实现了预定的目标。
一种基于数据媒体检索系统

[发明专利]依帕司他在制备防治缺血性脑卒中的药物中的应用-CN202111346876.8有效
发明人：王广友;张彤帅;钟镝;汪丹丹;张瑶;王菁华;孔庆飞;张海玉;孙博;穆莉莉;吴进荣;李玄;李晓波;赵崴;刘玉梅;刘希君;李呼伦;汪嘉麒;张思凡;郎秀娟 -专利权人：哈尔滨医科大学
申请日： 2021-11-15 - 公布日： 2022-11-01 - 主分类号： A61K31/426 文献下载
摘要：本发明涉及依帕司他在制备防治缺血性脑卒中(脑梗死)的药物中的应用，属于医药技术领域。本发明针对缺血性脑卒中发病早期及已经错过治疗时间窗、不能使用溶栓治疗的脑卒中患者，提供了依帕司他在制备防治缺血性脑卒中的药物中的应用。在缺血性脑卒中后使用依帕司他进行治疗，能够通过抑制醛糖还原酶表达，进而上调脑微血管内皮细胞的紧密连接蛋白，减轻内皮细胞凋亡，改善缺血性脑卒中后的神经功能障碍，维持缺血性脑卒中后血脑屏障的完整性；此外，依帕司他能够有效降低外周炎症细胞的浸润，减轻缺血脑组织中炎症反应。本发明为防治缺血性脑卒中提供了一条新的有效途径，为依帕司他治疗临床缺血性脑卒中提供了理论依据。
依帕司制备防治缺血性脑卒中药物中的应用

[发明专利]基于组合学习的人脸超分辨率方法及装置-CN201910849721.2有效
发明人：卢涛;许若波;张彦铎;金从元;胡志勇;胡春波;王宇;陈冲;郝晓慧;周强;王彬;郎秀娟;魏博识;吴志豪 -专利权人：武汉工程大学;武汉烽火技术服务有限公司
申请日： 2019-09-09 - 公布日： 2022-07-05 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于组合学习的人脸超分辨率方法及装置，属于人脸图像超分辨率领域，该方法包括：对下采样得到的低分辨率人脸图像进行组件分割；将低分辨率人脸图像和分割后的人脸组件图像块进行分块操作，分出相互重叠的图像块；将图像块输入各组件生成对抗网络产生高分辨率组件图像块，由上采样后的低分辨率人脸背景图像生成高分辨率人脸背景图像；通过融合网络提取高分辨率图像块特征及人脸背景图像组件特征；将两种特征进行融合后，重建得到目标人脸组件图像块；通过人脸组件在人脸图像中的坐标点，将目标人脸组件图像块对应合并至高分辨率人脸背景图像中，形成高分辨率人脸图像。本发明可以提高网络的重建性能，产生更高质量的人脸图像。
基于组合学习人脸超分辨率方法装置

[发明专利]一种图像超分辨率重建方法、系统及计算机存储介质-CN201910687010.X有效
发明人：卢涛;陈冲;张彦铎;许若波;周强;郝晓慧;魏博识;郎秀娟;王宇;吴志豪;王彬 -专利权人：武汉工程大学
申请日： 2019-07-29 - 公布日： 2022-04-29 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及一种图像超分辨率重建方法、系统及计算机存储介质，其方法包括以下步骤，S1，将原始图像重塑为固定大小尺寸的图像，得到原始高分辨率图像，将原始高分辨率图像进行插值下采样，得到低分辨率图像；S2，基于生成网络对低分辨率图像进行基于边缘增强的超分辨率重建，得到超分辨率图像；S3，基于判别网络和原始高分辨率图像对超分辨率图像进行真伪判别。本发明其将单一的低分辨图像通过边缘细节信息增强表达，在原始超分辨率重建生成网络中加入边缘增强融合网络提高了图像超分辨率重建性能，获得更清晰的重建图像；另外，判别网络也可以提升边缘增强生成对抗网络的重建性能。
一种图像分辨率重建方法系统计算机存储介质

[发明专利]一种基于多尺度卷积神经网络的钢筋计数方法-CN202010386609.2在审
发明人：卢涛;周强;王波;吴志毫;王彬;阮小丽;赵训刚;郝晓慧;陈冲;许若波;王宁;郎秀娟;魏博识 -专利权人：武汉工程大学;中铁大桥局集团有限公司;中铁大桥科学研究院有限公司
申请日： 2020-05-09 - 公布日： 2020-09-08 - 主分类号： G06M9/00 文献下载
摘要：本发明公开一种基于多尺度卷积神经网络的钢筋计数方法，包括：采集成捆钢筋的端部图像；制作训练集；基于多尺度卷积神经网络构建钢筋检测模型，并对训练集中钢筋的端部图像进行浅层、中层、深层三个尺度的特征提取，然后将顶层特征图上采样与底层特征图融合；检测时将钢筋的端部图像划分为多个单元网格，以每一个单元网格为中心，每个单元网格又以得到的深层尺度特征图、新的中层尺度特征图和新的浅层尺度特征图的尺寸为模板，提取图像的特征，并与对应尺寸的特征图模板相比较，得到候选边界框，利用非极大抑制算法得到钢筋的数量。本发明的钢筋计数方法能够准确、快速的统计一堆尺寸不一的钢筋中钢筋的数量，且精度高。
一种基于尺度卷积神经网络钢筋计数方法

[发明专利]基于多源深度残差网络的深度图像超分辨率方法及装置-CN201911349902.5在审
发明人：卢涛;郝晓慧;张彦铎;胡记伟;魏明;许若波;陈冲;周强;郎秀娟;王宇;魏博识;王彬;吴志豪 -专利权人：武汉工程大学;武汉烽火技术服务有限公司
申请日： 2019-12-24 - 公布日： 2020-05-05 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于多源深度残差网络的深度图像超分辨率方法及装置，属于深度图像超分辨率领域。由于彩色图像拥有丰富的纹理信息，本发明利用纹理信息丰富的彩色图像引导深度图像进行重建。因为残差信息代表图像的高频信息，因此本发明首先将高分辨率图像下采样至目标低分辨率图像，并且在双分支网络中分别提取输入的低分辨率彩色图像和深度图像的残差信息，然后将提取到的彩色图像和深度图像的残差信息在融合网络中进行融合，最后利用融合后的残差信息和输入的低分辨率深度图像对高分辨率深度图像进行重建。通过本发明提升了网络的重建性能，使得重建后的深度图像有较高质量的纹理信息。
基于深度网络图像分辨率方法装置

[发明专利]基于图像处理的梁底裂纹检测方法、系统、装置及介质-CN201911103773.1在审
发明人：卢涛;吴志豪;张彦铎;陈冲;许若波;周强;郝晓慧;魏博识;郎秀娟;王宇;王彬;曾康利;陈希彤;汪家明 -专利权人：武汉工程大学
申请日： 2019-11-13 - 公布日： 2020-04-14 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于图像处理的梁底裂纹检测方法、系统、装置和介质，方法包括获取桥梁底面的多个原始裂纹图像，并对所有原始裂纹图像进行预处理，得到多个处理裂纹图像；从所有处理裂纹图像中获取多个待拼接裂纹图像，基于SURF图像处理方法，将所有待拼接裂纹图像进行拼接，得到待检测裂纹图像；获取预设的神经网络裂纹检测模型，并利用所述神经网络裂纹检测模型对所述待检测裂纹图像进行检测，得到目标裂纹图像；对所述目标裂纹图像进行分析，得到裂纹检测数据。本发明能避免图像拍摄距离对梁底裂纹识别和检测的影响，提高裂纹检测精度，能够避免微小裂纹的图像被当做噪声过滤掉，极其适用于微小裂纹的检测。
基于图像处理裂纹检测方法系统装置介质

1
共 9 条