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14个,建议您升级VIP下载更多相关专利
  • [发明专利]异常像素检测系统和方法-CN202111683777.9在审
  • J·R·莫雷拉;S·林 - 菲力尔商业系统公司
  • 2021-12-28 - 2022-07-01 - H04N5/33
  • 本发明公开了各种技术以提供对时间异常闪变像素的检测。在一个示例中,一种方法包括响应于从均匀黑体接收的红外辐射,通过成像装置的热成像器捕获多个热图像,其中所述热图像包括具有关联像素值的多个像素。所述方法还包括对于每个像素,确定所述热图像的关联像素值的标准偏差。所述方法还包括将所述标准偏差与阈值进行比较。所述方法还包括响应于所述比较将所述像素的子集识别为时间异常像素。本发明还提供了其他的方法、装置和系统。
  • 异常像素检测系统方法
  • [发明专利]用于重叠多图像应用的响应归一化-CN201980083105.9在审
  • E·桑切斯-蒙格;A·弗伊;迈克尔·肯特 - 菲力尔商业系统公司
  • 2019-11-05 - 2021-08-17 - G06T5/00
  • 公开了用于配准包括相机响应函数归一化的图像对的系统和方法,并且系统和方法包括:从图像集中选择图像对,该图像对中的每个图像具有相关联的元数据;使用相关联的元数据确定该图像对中的每个图像的相机响应函数;针对图像集归一化每个相机响应函数;以及向该图像对应用归一化的相机响应函数。在多尺度过程中使用配准参数生成变形图,以使该图像对中的一个图像变形以与该图像对中的另一个图像对齐。该图像对可以通过以下方式来选择:识别具有超过重叠阈值的重叠、在满足接近阈值的图像序列中具有连续接近、和/或具有在姿态阈值内的估计的图像捕获姿态的图像对。
  • 用于重叠图像应用响应归一化
  • [发明专利]热图像和可见图像对的自动共配准-CN201980086421.1在审
  • E·桑切斯-蒙格;A·弗伊;迈克尔·肯特;彼得·麦瑟利 - 菲力尔商业系统公司
  • 2019-11-05 - 2021-08-06 - G06T7/30
  • 图像对共配准系统和方法,包括:接收多模态图像对;定义参数变形模型;定义当所述图像对对齐时被最小化的损失函数;和执行多尺度搜索,以确定使损失函数最小化的变形参数。优化的变形参数定义图像对的对齐。该图像对可以包括可见光谱图像和红外图像。该方法还包括:调整可见光谱图像的大小,以匹配红外图像;应用至少一个透镜畸变校正模型;和对所述图像对中的每个图像的动态范围进行归一化。多尺度搜索还可以包括:将所述图像对的大小调整为当前处理尺度;将自适应直方图均衡化应用于所述图像对以生成均衡图像;对均衡图像应用高斯模糊;和优化变形参数。
  • 图像可见自动共配准
  • [发明专利]用于成像系统的深度学习推理系统和方法-CN201980078744.6在审
  • S·Y·S·赛;D·M·P·奈斯比特;I·K·斯塔德勒 - 菲力尔商业系统公司
  • 2019-10-14 - 2021-07-23 - G06K9/62
  • 用于成像系统的深度学习推理包括成像设备,该成像设备包括图像捕获部件和视觉处理单元,该视觉处理单元被配置为通过第一经训练的推理网络处理图像以确定第一推理结果。主机系统训练用于图像分类的神经网络并生成第一经训练的推理网络,并将该第一经训练的推理网络传送到成像设备的视觉处理单元。第一经训练的推理网络向成像设备提供独立的图像分类、对象检测和/或置信度得分。视觉处理单元还可以包括两个或更多个经训练的推理网络,其被配置为接收作为输入的推理结果并输出第二推理结果。立体相机系统使用来自一个或多个推理网络的特征和/或结果来控制对检测到的对象的三维数据的处理。
  • 用于成像系统深度学习推理方法
  • [发明专利]闭环自动数据集创建系统和方法-CN201980059694.7在审
  • P·M·布朗热 - 菲力尔商业系统公司
  • 2019-07-09 - 2021-04-20 - G06K9/62
  • 提供了用于训练神经网络以对图像分类的各种技术。使用包括多个合成图像的训练数据集来训练卷积神经网络(CNN)。CNN训练过程会在处理训练数据集时跟踪与图像相关的量度和其他信息量度。然后可以使用真实图像的验证数据集对经训练的推理CNN进行测试,以生成性能结果(例如,经训练的推理CNN是否正确还是不正确地标记了训练图像)。在一个或多个实施例中,训练数据集和分析引擎提取并分析信息量度和性能结果,生成用于修改的训练数据集的参数以提高CNN性能,并生成使合成图像生成器生成新的训练数据集的相应指令。该过程以迭代的方式重复,以构建用于训练推理CNN的最终的训练数据集。
  • 闭环自动数据创建系统方法
  • [发明专利]基于由旋转成像器捕获的图像的全景图像构建-CN201980047034.7在审
  • E·桑切斯-蒙格;A·弗伊 - 菲力尔商业系统公司
  • 2019-05-15 - 2021-02-26 - G06T5/00
  • 公开了用于基于由旋转成像器捕获的图像的全景图像构建的技术。在一个示例中,一种方法包括接收与场景相关联的并且在图像传感器的连续旋转期间捕获的图像的第一序列。第一序列中的每个图像具有与第一序列中的另一图像重叠的部分。该方法还包括生成第一全景图像。该生成包括基于点扩散函数处理图像的第二序列,以减轻与连续旋转相关联的模糊,从而获得图像的去模糊的序列,以及基于噪声功率谱密度处理去模糊的序列以获得图像的去噪的序列。点扩散函数与图像传感器的旋转速度相关联。第二序列基于第一序列。第一全景图像基于去噪的序列。
  • 基于旋转成像捕获图像全景构建

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