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781个,建议您升级VIP下载更多相关专利
  • [发明专利]基于主动轮廓模型的无监督医学图像分割方法和系统-CN202110826817.4有效
  • 张小云;杜连宇;张娅;王延峰;陈思衡;王钰 - 上海交通大学
  • 2021-07-21 - 2023-10-27 - G06T7/11
  • 本发明提供一种基于主动轮廓模型的无监督医学图像分割方法和系统,该方法通过基于人工设置参数的主动轮廓模型生成部分数据的标注用于分割网络的预训练。在分割网络得到预训练后,针对大量不含有标注的新图像,使用分割网络进行预测,得到粗糙的预测结果,再按照设定策略对主动轮廓模型的参数进行自动调整,利用图像底层信息得到更加精确的目标区域轮廓。在经过质量评价网络对生成轮廓进行筛选后,使用较高质量的轮廓作为伪标签进一步对分割网络进行训练。不断循环迭代,实现不依赖人工标注的情况下对图像进行分割。本发明实现了无监督情况下的医学图像分割,在保证准确率的情况下极大地避免对成本高昂的数据标注依赖,具有很好的泛化性。
  • 基于主动轮廓模型监督医学图像分割方法系统
  • [发明专利]基于离散表示学习的图像超分辨率方法和系统、终端-CN202110755689.9有效
  • 张小云;黄一轩;乔宇;董超;张娅;王延峰 - 上海交通大学
  • 2021-07-05 - 2023-10-27 - G06T3/40
  • 本发明提供一种基于离散表示学习的图像超分辨率方法和系统、终端,所述方法包括:分别创建低分辨率以及高分辨率的离散字典;将低分辨率图像输入卷积神经网络得到提取的图像特征,并参照低分辨率离散字典,将图像特征转换为离散表示;将基于低分辨率字典的离散表示通过自回归网络,映射成基于高分辨率字典的离散表示;将离散表示参照高分辨率字典,转换为高分辨率图像特征,再通过卷积神经网络,进行反卷积的操作,生成输入低分辨率图像对应的高分辨率图像。本发明能够利用低清高清数据对来分别建立低分辨率以及高分辨率离散字典,将输入的低分辨率图像通过这两个字典变为对应的高分辨率图像,提升图像的清晰度。
  • 基于离散表示学习图像分辨率方法系统终端
  • [发明专利]人脸图像超分辨率方法和系统-CN202110749972.0有效
  • 张娅;姜文波;赵贵华;张小云;董洋轶;张毅军;王延峰;蔺飞;袁旭稚 - 上海交通大学
  • 2021-07-02 - 2023-10-27 - G06T3/40
  • 本发明公开了一种人脸超分辨率方法及系统,包括:对输入的人脸属性标签信息,使用全连接网络与激活层进行特征优化,获得属性语义特征;对输入的低分辨率图像信息,使用卷积神经网络提取视觉特征;对属性语义特征与视觉特征使用特征融合网络进行特征融合,并在训练时与教师特征通过属性法向量约束,从而保持融合特征与教师特征属性一致;使用图像恢复网络将融合特征映射为输出图像,由于图像恢复网络经过预训练,它生成的图像具有逼真的细节。通过本发明,生成的人脸高清图像具有属性保持与细节。
  • 图像分辨率方法系统
  • [发明专利]多智能体协作的3D对象检测方法-CN202310387575.2在审
  • 王延峰;陈思衡;卢亦凡 - 上海人工智能创新中心;上海交通大学
  • 2023-04-12 - 2023-09-29 - G06T7/73
  • 本发明提供了一种多智能体协作的3D对象检测方法,包括:在第一智能体上设置感知模块、预测模块和融合模块,在第二智能体上设置感知模块;由第一智能体和第二智能体的感知模块基于传感器信息对周围物体的信息进行感知,分别得到第一感知信息和第二感知信息,其中第二感知信息作为第一智能体的交互信息;由第一智能体的预测模块基于周围物体的历史信息对周围物体的当前状态进行预测,得到预测结果;以及由第一智能体的融合模块与第二智能体进行信息交互,以使得第一感知信息与所述交互信息进行融合,以及使得第一感知信息与预测结果进行融合。
  • 智能体协对象检测方法
  • [发明专利]一种低成本红外探测器的制备方法-CN202310955614.4在审
  • 王延峰;郝运琪;陈叶莹;杨富;李思琪;吴文慧;时海洋;李英爽;王一诺;李京 - 河北北方学院
  • 2023-08-01 - 2023-09-29 - H01L31/18
  • 本发明提供了一种低成本红外探测器的制备方法,该方法为:将乙酸锌、硝酸镓、氟化铵和上转换功能材料加入至乙二醇甲醚后,加入乙醇胺,得到混合物,搅拌、静置,得到前驱体溶胶,旋涂在薄膜太阳电池基片上迎光面,将旋涂后的薄膜太阳电池基片热处理后继续旋涂,再次热退火处理,循环操作后,得到涂覆有上转换材料的薄膜太阳电池基片,即为具有红外探测功能的红外探测器。本发明制备的具有红外探测功能的红外探测器,利用现有溶胶‑凝胶旋涂工艺将氧化锌前驱溶液和荧光材料混合制备具有上转换特性掺杂的氧化锌薄膜的溶液前驱体,旋涂于薄膜太阳电池上表面,制备了可以用于红外探测的红外探测器,进而能用于低成本红外探测器的研究及应用。
  • 一种低成本红外探测器制备方法
  • [发明专利]基于特征迁移的低比特神经网络训练方法及系统-CN202010780010.7有效
  • 张娅;杜昆原;王延峰 - 上海交通大学
  • 2020-08-05 - 2023-09-29 - G06N3/0464
  • 本发明提供了一种基于迁移学习的低比特神经网络训练方法及系统,包括:低比特特征提取步骤:对训练数据集的图像,使用低比特深度卷积神经网络提取图像的低比特特征图;全精度特征提取步骤:对训练数据集的图像,使用全精度深度卷积神经网络提取图像的全精度特征图;特征对齐步骤:根据低比特特征图和全精度特征图,通过特征迁移,在特征对齐的约束下,协同训练全精度深度卷积神经网络和低比特深度卷积神经网络,使得低比特特征图和全精度特征图对齐;低比特预测步骤:根据训练后的低比特深度卷积神经网络实现图像类型的预测;本发明通过直接对连续空间的全精度特征图进行特征迁移,避免了因量化造成的特征细节损失。
  • 基于特征迁移比特神经网络训练方法系统

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