“饶熠舟”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4个，建议您升级VIP下载更多相关专利

[发明专利]一种POS机应用权限管理方法、装置、设备和存储介质-CN202211266538.8在审
发明人： 饶熠舟 -专利权人：中国农业银行股份有限公司
申请日： 2022-10-17 - 公布日： 2022-12-09 - 主分类号： G06F8/61 文献下载
摘要：本发明实施例公开了一种POS机应用权限管理方法、装置、设备和存储介质，其中，方法包括：获取用户对目标应用的至少一项应用权限的自定义设置信息，并对自定义设置信息进行加密，生成自定义权限信息文件；将自定义权限信息文件写入目标应用的原打包文件中，得到更新后的打包文件；对更新后的打包文件进行加密签名生成签名文件，并将签名文件写入更新后的打包文件，得到目标应用的最终打包文件；将最终打包文件发送给目标POS机终端，以使目标POS机终端基于最终打包文件中的自定义权限信息文件和Manifest文件中权限信息，确定目标应用在目标POS机终端的权限设置。本发明实施例的技术方案可以使收单机构对应用权限进行修改，降低维护管理成本。
一种 pos 应用权限管理方法装置设备存储介质

[发明专利]一种基于迁移学习神经网络的多光谱图像锐化方法-CN201810721825.0有效
发明人：贺霖;朱嘉炜;饶熠舟 -专利权人：华南理工大学
申请日： 2018-07-04 - 公布日： 2022-03-29 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于迁移学习神经网络的多光谱图像锐化方法，包括以下步骤：读取原始多光谱图像及与其配准的全色图像，对图像数据进行预处理，获取训练样本；搭建卷积神经网络结构；将训练样本输入卷积神经网络，利用自适应矩估计算法，使得损失误差下降至可接受的范围内，从而得到该网络结构参数的最优解；将经过相同预处理的完整多光谱测试样本输入至最优卷积神经网络结构中，输出处理得到高分辨率的多光谱图像；若需要锐化丢失波段的多光谱图像，需要先对训练好的网络进行微调，再测试。本发明能在维持原有的锐化效果的同时，增强已训练的神经网络对丢失波段的多光谱图像锐化处理的迁移能力。
一种基于迁移学习神经网络光谱图像锐化方法

[发明专利]一种基于卷积神经网络的遥感图像全色锐化方法-CN201810721821.2有效
发明人：贺霖;朱嘉炜;饶熠舟 -专利权人：华南理工大学
申请日： 2018-07-04 - 公布日： 2021-12-21 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的遥感图像全色锐化方法，包括以下步骤：读取原始多光谱遥感图像及其匹配的全色遥感图像对图像数据进行预处理，获取训练样本；构造卷积神经网络结构；将训练样本输入卷积神经网络，利用随机梯度下降算法，使得损失函数稳定在最小值，从而得到该网络结构的最优解；将经过相同预处理的测试样本输入至最优卷积神经网络结构中，输出处理得到高分辨率的多光谱遥感图像。本发明能有效地减少处理结果的光谱失真，并增强了其锐化效果。
一种基于卷积神经网络遥感图像全色锐化方法

[发明专利]基于小波变换和稀疏表示的高光谱图像分类方法-CN201710479358.0在审
发明人：贺霖;罗浩坤;饶熠舟;关倩仪 -专利权人：华南理工大学
申请日： 2017-06-22 - 公布日： 2017-11-21 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于小波变换和稀疏表示的高光谱图像分类方法，步骤如下获取高光谱图像数据，在空间维和光谱维三维空间内进行空间移不变小波分解，得到高光谱图像在各个尺度上的空间平移不变小波变换特征；确定一个最优尺度J，得到高光谱图像在最优尺度J上的空间平移不变小波变换特征；高光谱图像中获取到Ntr个训练像素，以对Nte个测试像素类别的判定，具体为首先通过Ntr个训练像素在尺度J上的空间平移不变小波变换特征构建用于稀疏表示的训练字典，然后对测试像素进行基于稀疏表示方法的分解和重构，最后比较测试像素在每一个类别上对应的类别局部重构残差，将最小残差值对应的类别判定为测试像素的类别。本发明方法提高了高光谱图像分类的鲁棒性和准确性。
基于变换稀疏表示光谱图像分类方法