“窦曙光”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]一种基于交替更新卷积神经网络的高光谱图像分类方法-CN201910208682.8有效
发明人： 窦曙光;王文举;姜中敏 -专利权人：上海理工大学
申请日： 2019-03-19 - 公布日： 2022-11-29 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于交替更新卷积神经网络的高光谱图像分类方法，包括如下步骤：提取原始数据块作为交替更新谱间块的输入；采用交替更新谱间块进行学习，提取精炼过的谱间特征；采用降维层连接交替更新谱间块和交替更新空间块，对谱间特征进行压缩，得到压缩特征；采用交替更新空间块对压缩特征进行学习，提取精炼过的空间特征；将谱间特征和空间特征通过池化层、压缩层和全连接层，得到预测值；确定优化目标函数；采用优化目标函数计算预测值与实际值之间的损失，得到迭代训练的损失；根据迭代训练的损失，对待优化模型参数进行多次优化，得到迭代训练的损失最小时的预测值，而后将未知高光谱数据输入训练完的模型，即得到高光谱图像的分类结果。
一种基于交替更新卷积神经网络光谱图像分类方法

[发明专利]基于Schur分解的三维模型盲数字水印算法-CN201810549295.6有效
发明人：王文举;窦曙光;姜中敏 -专利权人：上海理工大学
申请日： 2018-05-31 - 公布日： 2022-06-17 - 主分类号： G06T1/00 文献下载
摘要：本发明提供了一种基于Schur分解的三维模型盲数字水印算法，用于在三维模型中嵌入水印图像以及提取水印图像的提取图像具有这样的特征，包括以下步骤：步骤S1，将水印图像进行双随机相位光全息加密得到加密图像；步骤S2，对三维模型进行预处理得到几何特征矩阵R'；步骤S3，对几何特征矩阵R'进行Schur分解并嵌入加密图像得到处理模型，该处理模型作为待测模型；步骤S4，对待测模型进行水印提取得到提取图像。本算法具有很强的抗顶点重排攻击能力、很强的抗旋转能力、很强的抗平移能力、很强的抗缩放能力、较强的抗噪能力以及较强的抗裁剪能力，鲁棒性非常好；此外，本算法不易被解密仿制。
基于 schur 分解三维模型数字水印算法

[实用新型]一种PE同层排水管材虚线标识线刻压装置-CN202122311131.X有效
发明人：刘庆丰;窦曙光 -专利权人：天津市伟星新型建材有限公司
申请日： 2021-09-24 - 公布日： 2022-03-11 - 主分类号： B26D3/08 文献下载
摘要：本实用新型是一种PE同层排水管材虚线标识线刻压装置，包括固定盘，所述固定盘中部设有供排水管材通过的中心孔，所述固定盘上圆周设有若干刻线组件，每个刻线组件均包括一个安装在固定盘上的调节轴安装座，所述调节轴安装座内穿设有调节轴，所述调节轴面向中心孔的一端可拆卸安装有齿轮状刻刀且背向中心孔的一端连接有端板，所述齿轮状刻刀外边缘圆周间隔设有若干刻刀齿，所述端板的另外一侧连接有伸缩气缸。本实用新型可以利用齿轮状刻刀在不断通过的PE排水管材外表面刻线，形成标示线，方便识别PE排水管材，伸缩气缸可以调节齿轮状刻刀的位置，便于对不同直径的排水管材进行表面刻线作业，方便快捷。
一种 pe 排水管材虚线标识线刻压装置

[发明专利]一种基于弱监督人体协同分割的行人再识别方法-CN202111263138.7在审
发明人：赵才荣;窦曙光 -专利权人：同济大学
申请日： 2021-10-28 - 公布日： 2022-02-15 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及计算机视觉领域，采用深度学习框架，具体涉及一种基于弱监督人体协同分割的行人再识别方法，包括以下步骤：1)将同一个行人的所有图像作为一批次送入到弱监督人体协同分割网络中，训练该网络得到行人图像对应的伪像素级标签；2)构建多任务网络框架包含骨干网络，行人再识别子网络和人体分割子网络，将行人图像和伪像素级标签送入多任务网络中，得到图像特征，前景特征和人体部分特征；3)交替训练人体协同分割网络和多任务网络得到最优的伪像素级标签和多任务网络模型，将测试集中的行人图像送入多任务网络中，只使用前景特征和人体部分特征来计算图像间的距离，进行行人特征匹配。本发明对于遮挡场景更加鲁棒，更加适合于现实中复杂的场景。
一种基于监督人体协同分割行人识别方法

[发明专利]基于三维稠密连接卷积神经网络的高光谱图像分类方法-CN201810243423.4有效
发明人： 窦曙光;王文举;姜中敏 -专利权人：上海理工大学
申请日： 2018-03-23 - 公布日： 2021-09-28 - 主分类号： G06K9/46 文献下载
摘要：本发明提供了一种基于三维稠密连接卷积神经网络的高光谱图像分类方法，具有这样的特征，包括以下步骤：步骤一，输入高光谱图像的三维立方数据块；步骤二，用三维稠密光谱块处理三维立方数据块得到谱间特征图；步骤三，用三维过渡层处理谱间特征图得到压缩特征图；步骤四，用三维稠密空间谱块处理压缩特征图得到空间特征图；步骤五，空间特征图经过池化层、压缩层、dropout层、全连接层得到预测标签向量；步骤六，确定目标函数；步骤七，将预测标签向量代入目标函数得到迭代训练的损失；步骤八，根据损失，优化待优化参数；步骤九，多次重复步骤一至五、七、八，多次优化待优化参数得到损失最小时的预测标签向量，即高光谱图像的分类结果。
基于三维稠密连接卷积神经网络光谱图像分类方法

[发明专利]求解三维空间内任意两个多面体间的最近距离的方法-CN201810597365.5有效
发明人：王文举;窦曙光;姜中敏 -专利权人：上海理工大学
申请日： 2018-06-11 - 公布日： 2020-12-25 - 主分类号： G06N3/12 文献下载
摘要：本发明提供了一种求解三维空间内任意两个多面体间的最近距离的方法，具有这样的特征，包括以下步骤：步骤S1，分别将多面体Mx和多面体My的三维模型表面三角网格化并进行预处理得到处理信息；步骤S2，对处理信息采用背面剔除算法进行处理得到顶点选取区域，该顶点选取区域包括多个由多面体Mx和多面体My的顶点构成的测试顶点对；步骤S3，采用基因表达式编程和Alopex算法相结合的方法对顶点选取区域内的测试顶点对内的两个顶点之间的最近距离求解得到最近顶点对，该最近顶点对的间距为多面体Mx和多面体My之间的最近距离的近似解；步骤S4，通过最近顶点对对多面体Mx和多面体My之间的最近距离精确求解得到最小间距。本方法求解精度高、收敛性能好。
求解三维空间任意两个多面体最近距离方法

[发明专利]一种基于多视角卷积池化的三维点云数据分类方法-CN202010523532.9在审
发明人： 窦曙光;王文举 -专利权人：上海理工大学
申请日： 2020-06-10 - 公布日： 2020-09-22 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于多视角卷积池化的三维点云数据分类方法，包括：将原始三维点云模型渲染成n个不同视角的二维图像，得多视角的二维图像图片集；在二维图像图片集中进行学习，得n个视角的深度视觉特征；将深度视觉特征转换为m×n大小的特征图，而后聚合不同视角的深度视觉特征，得聚合后的深度视觉特征向量；使用全连接神经网络将2m×1长度的特征向量转换为C×1的特征向量，再输入当前样本属于不同类别的概率分布情况，得预测向量；使用预测向量和当前样本的真实向量来计算交叉熵损失，而后迭代训练优化三维点云分类模型中的学习参数，重复上述步骤，迭代优化直到交叉熵损失为最小不再降低，即得到最优模型，再将最优模型用于预测测试集中样本的类别。
一种基于视角卷积三维数据分类方法

[发明专利]一种基于多视角卷积池化的三维点云数据检索方法-CN202010524536.9在审
发明人： 窦曙光;王文举 -专利权人：上海理工大学
申请日： 2020-06-10 - 公布日： 2020-09-22 - 主分类号： G06F16/55 文献下载
摘要：本发明提供一种基于多视角卷积池化的三维点云数据检索方法，用于对三维模型数据库中的三维点云数据进行检索，包括如下步骤：步骤1，将需要查询的三维点云模型通过PointImage预处理流程进行预处理，再使用ImageNet预训练模型中的ResNeXt50‑32x4d，将模型在ModelNet40上微调，接着通过池化输出4096维的高维特征；步骤2，通过PCA将高维特征降到100维以下，得到低维特征；步骤3，将三维模型数据库的所有三维点云模型重复步骤1和步骤2，得到特征数据库；步骤4，通过余弦相似度将需要查询的三维点云模型的最终特征与特征数据库中的所有特征计算相似度，根据相似度，按顺序返回检索到的三维点云模型列表。
一种基于视角卷积三维数据检索方法

[发明专利]一种网络在线学习资源个性化实时推荐方法-CN201810054505.4有效
发明人：王文举;窦曙光;姜中敏;崔瑞博;王鸾熠 -专利权人：上海理工大学
申请日： 2018-01-19 - 公布日： 2019-11-01 - 主分类号： G09B5/08 文献下载
摘要：本发明提供的一种网络在线学习资源个性化实时推荐方法，根据学习者通过用户终端的输入显示部在网络在线学习系统中选择的知识点和输入的自我认知能力，向学习者进行学习资源个性化实时推荐，具有这样的特征，包括以下步骤：步骤1，从网络在线学习系统中获取学习者的学习特征参数和推荐课程的课程特征参数；步骤2，构建学习者模型和学习资源模型；步骤3，确定具有最优推荐策略的目标函数；步骤4，构建具有十字链表结构的学习资源存储结构图；步骤5，判定目标函数的关键参数；步骤6，采用二进制微分进化算法得到学习资源最佳的选取组合；步骤7，按照最佳的选取组合将学习资源分别发送至学习者的用户终端，从而将学习资源推荐给学习者。
网络在线学习个性化特征参数学习系统用户终端构建二进制学习者模型关键参数进化算法目标函数判定目标认知能力十字链表输入显示资源存储资源模型资源推荐课程知识点发送

1
共 9 条