专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果16个,建议您升级VIP下载更多相关专利
  • [发明专利]图像处理系统及图像处理方法-CN202310270799.5在审
  • 筱田伸一;丰田康隆;崎村茂寿;石川昌义;新藤博之;菅原仁志 - 株式会社日立高新技术
  • 2018-03-15 - 2023-05-23 - G06V10/30
  • 本发明涉及图像处理系统及图像处理方法,目的在于:兼顾对使用了识别器的图像识别所使用的对照图像进行学习的图像处理系统的数据量的抑制和识别器的识别性能提高。为了达到上述目的,提出一种具备使用对照图像来识别图像的识别器(9)的图像处理系统,该图像处理系统具备对图像识别所需要的对照图像数据进行机器学习的机器学习引擎(1),该机器学习引擎使用识别失败了的图像(2),搜索识别成功了的图像(3),向通过该搜索得到的识别成功了的图像,附加根据通过上述输入装置选择出的上述识别失败了的图像的部分图像而得到的信息,生成修正对照图像数据(13)。
  • 图像处理系统方法
  • [发明专利]画质改善系统及画质改善方法-CN202080105370.5在审
  • 石川昌义;小松壮太;丰田康隆;筱田伸一 - 株式会社日立高新技术
  • 2020-09-29 - 2023-05-23 - H01J37/22
  • 提供一种在通过机器学习来进行低画质图像的画质改善的画质改善系统以及画质改善方法中,对于每次拍摄时图像容易变化的试样,也能够以适当的示教信息进行学习的高精度且高可靠性的画质改善系统以及画质改善方法。一种画质改善系统,其进行低画质图像的画质改善,其具备:画质改善部,其进行低画质图像的画质改善;变形预测部,其预测在所输入的低画质图像列中包含的第一低画质图像和与所述第一低画质图像不同的第二低画质图像之间产生的变形量;以及变形修正部,其基于由所述变形预测部预测出的所述变形量来修正对所述第一低画质图像应用所述画质改善部的处理而得到的第一预测图像、所述第二低画质图像、以及对所述第二低画质图像应用所述画质改善部的处理而得到的第二预测图像中的任意一个,进行学习使得所述变形修正部修正后的所述第一预测图像与所述第二低画质图像或所述第二预测图像的损失函数的评价变小,或者使得所述第一预测图像与所述变形修正部修正后的所述第二低画质图像或所述第二预测图像的损失函数的评价变小。
  • 画质改善系统方法
  • [发明专利]图像处理方法、形状检查方法、图像处理系统以及形状检查系统-CN202080101502.7在审
  • 大内将记;石川昌义;丰田康隆;新藤博之 - 株式会社日立高新技术
  • 2020-06-16 - 2023-02-03 - G01N23/2251
  • 本发明提供图像处理方法、形状检查方法、图像处理系统以及形状检查系统。图像处理方法使用具备输入接收部、推定部和输出部的系统获取对根据试样的基准数据得到的推定拍摄图像和试样的实际的拍摄图像进行比对时使用的推定拍摄图像的数据,包括:输入工序,输入接收部接收基准数据、试样的工序信息和学习完毕的模型数据的输入;推定工序,推定部使用基准数据、工序信息及模型数据计算表示拍摄图像的数据能够取的值的概率分布的拍摄图像统计量;输出工序,输出部输出拍摄图像统计量,推定拍摄图像能够根据拍摄图像统计量来生成。由此,在对根据设计数据推定的模拟图像和实际拍摄到的图像进行比对时,能够缩短该推定所需要的时间,实时地进行比对。
  • 图像处理方法形状检查系统以及
  • [发明专利]学习处理装置以及方法-CN202080093955.X在审
  • 石川昌义;大内将记;新藤博之;丰田康隆;筱田伸一 - 株式会社日立高新技术
  • 2020-02-07 - 2022-09-02 - G06N3/08
  • 本发明提供一种能够在短时间内完成轻量模型的学习的学习处理装置以及方法。一种从已有的第一学习模型得到新的第二学习模型的学习处理装置,具备:输入部,其得到学习第一学习数据集来事先生成的第一学习模型和未被剪枝的神经网络,以下称神经网络为NN;重要参数确定部(304),其使用第一学习模型和NN对作为学习对象的NN进行初始化,使用第二学习数据集和初始化后的NN,确定初始化后的NN的识别处理中的参数的重要度;新模型生成部(306),其使用参数的重要度,进行从初始化后的NN删除不重要的参数的剪枝处理,生成第二NN;学习部,其使用第二学习数据集而学习第二NN;以及输出部,其将学习后的所述第二NN作为第二学习模型而输出。
  • 学习处理装置以及方法
  • [发明专利]图像评价装置和方法-CN201980077432.3在审
  • 窦书洋;丰田康隆;别宫史浩;柿沼武史;篠田伸一 - 株式会社日立高新技术
  • 2019-10-11 - 2021-07-23 - G06T7/00
  • 本发明提供一种图像评价装置和方法,能够检测未知缺陷,能够防止机器学习模型的误识别。本发明的图像评价装置,使用基于机器学习的识别器来识别电子器件的缺陷图像中的缺陷信息,其特征在于,包括:保存电子器件的缺陷图像的图像存储部;保存缺陷图像中的缺陷区域信息的缺陷区域存储部;通过机器学习来识别缺陷信息的识别器;在缺陷图像的识别处理的过程中提取识别器所关注的关注图像信息的图像提取部;和对关注图像信息与缺陷区域信息进行比较而评价缺陷图像的识别可能性的评价部。
  • 图像评价装置方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top