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369个,建议您升级VIP下载更多相关专利
  • [发明专利]一种融合伴奏的MIDI钢琴曲风格分类方法-CN201810268151.3有效
  • 韦岗;张楚翘;马碧云;曹燕 - 华南理工大学
  • 2018-03-29 - 2021-10-26 - G10L25/30
  • 本发明公开一种融合伴奏的MIDI钢琴曲风格分类方法,采用样本采集单元以及数据分类单元实现,样本采集单元主要从一首钢琴曲中提取出含有主旋律和伴奏信息的音乐片段样本,其中每一个音乐片段样本由固定数量的音符向量组成,每个音符向量都涵盖了主旋律音符音高、该主旋律音符在该片段的起始时间、该主旋律音符的持续时间以及该主旋律音符可能存在的伴奏音符的音高信息,数据分类单元用于接收样本采集单元的样本,进行训练和分类。本发明实施的分类过程中,考虑到了伴奏对音乐风格的影响,并且通过样本采集单元增多了样本的数量,从而提高了分类的准确性。
  • 一种融合伴奏midi钢琴曲风格分类方法
  • [发明专利]一种基于深度学习的视频检索方法-CN201810268186.7有效
  • 丁泉龙;廖奕铖;韦岗;李杰 - 华南理工大学
  • 2018-03-29 - 2021-10-26 - G06F16/783
  • 本发明公开了一种基于深度学习的视频检索方法,主要包含以下部分:利用卷积神经网络做视频预处理;用长短记忆网络对预处理后的视频提取特征向量;最后通过一个相似度学习算法,学习得到距离计算方法,依据该方法进行相似度计算并排序,得出视频检索结果;本发明通过卷积神经网络做场景分割和关键帧选择,提取表征视频的高级语义,从而获取恰当数量的关键帧序列,能够有效避免镜头分割的误检和漏检。本发明通过长短记忆网络有效提取视频的时序特征,从而获得更准确的检索结果。通过相似度学习和基于文本的匹配方法,能够提升相似度度量方法的匹配精确度。通过上述方法,本发明能够实现对大规模视频的精准检索。
  • 一种基于深度学习视频检索方法
  • [发明专利]基于归一化音符显马尔可夫模型的MIDI音乐流派分类方法-CN201910274136.4有效
  • 韦岗;潘镇锋;曹燕 - 华南理工大学
  • 2019-04-08 - 2021-10-22 - G06F16/65
  • 本发明提供基于归一化音符显马尔可夫模型的MIDI音乐流派分类方法,其包括:对MIDI音乐文件的音轨预处理;对预处理后的MIDI文件识别旋律音轨和伴奏音轨,分别提取出旋律、伴奏音符向量组;基于乐理对旋律、伴奏音符向量组分别先做归一化处理,然后建立八度循环音名跳转、12个音名八度跳转马尔可夫模型,提取旋律、伴奏音轨的特征向量;将其分别输入到预训练好的两个分类器,利用集成学习方法,计算出最终音乐流派分类结果。本发明对音符归一化处理,去掉调式对音乐风格的影响,提取特征时考虑了旋律、伴奏的音符在一个八度内和八度之间跳转对音乐风格分类的影响,音符在特定音乐流派下的变化规律和联系,有利于提高分类的准确性。
  • 基于归一化音符显马尔可夫模型midi音乐流派分类方法
  • [发明专利]一种结合曲风的钢琴演奏音质评价系统及方法-CN201810311753.2有效
  • 韦岗;孙启梦;曹燕 - 华南理工大学
  • 2018-04-09 - 2021-09-21 - G10H1/32
  • 本发明提出一种结合曲风的钢琴演奏音质评价系统及方法。系统包括钢琴曲曲库、麦克风阵列录音装置、高质量麦克风录音装置、音乐数据库、专家听音评价模块、信号特征提取模块、样本库、信号特征分析模块和音质评价模块。系统建立好之后,用户只需要选择偏好曲风的一首曲子,在待评价钢琴上演奏,该系统便会智能地处理采集到的演奏音信号,输出一个评价分数作为钢琴演奏音质的评价结果。本发明提出的系统结合了曲风因素,分析了空域、时域、频域和时频图等多种信号特征,并在使用过程中智能地输出评价结果,与以往的音质评价方法相比,客观性、便利性、智能性大大提升,同时更符合了用户的个性化需求。
  • 一种结合钢琴演奏音质评价系统方法
  • [发明专利]一种基于深度学习的钢琴和声自动编配系统及方法-CN201910274225.9有效
  • 韦岗;梁世威;曹燕 - 华南理工大学
  • 2019-04-08 - 2021-07-20 - G10L21/007
  • 本发明提供一种基于深度学习的钢琴和声自动编配系统及方法。该系统包括三个模块:音符检测模块、音符估计模块和神经网络模块。音符检测模块负责提取音符起点和音符终点,将一首音乐分割成多个音符段,每个音符段包含一个或者多个音符。音符估计模块负责提取每个音符段的主音符以及和声。神经网络模块负责将上述的主音符序列以及和声序列分别作为神经网络的输入以及输出进行训练,训练完成后神经网络便具有为主音符编配和声的能力,从而实现和声自动编配。本发明利用钢琴按键的音高以及谐波结构信息,使得音符检测以及音符估计的性能得到提高,同时可根据用户的喜好训练特定音乐,从而编配对应风格的和声。
  • 一种基于深度学习钢琴和声自动编配系统方法
  • [发明专利]一种自适应波浪效应的水下单波束高精度探测系统及方法-CN201910565346.9有效
  • 韦岗;余阳;曹燕 - 华南理工大学
  • 2019-06-27 - 2021-07-20 - G01C7/00
  • 本发明公开了一种自适应波浪效应的水下单波束高精度探测系统及方法,包括以下步骤:波浪参数检测,测深极限值计算,基于波浪和船速延时效应的深度综合补偿校正,探测点坐标计算,自适应控制调整。本发明利用测量船姿态角的变化规律来测算探测水域当前波浪的周期,测算当前条件下能够测深的极限值;根据发射时刻和接收时刻船体的姿态和位置变化,通过几何运算对探测距离进行精确计算;通过发射时刻船体的姿态和坐标计算每个接收换能器的坐标,并根据换能器平面与水平面的夹角和深度值计算得到实际探测点的坐标;根据波浪周期自适应调整信号发射时间间隔,根据深度大小自适应调整船速快慢;最后根据计算的坐标和深度值反演出水下三维地形。
  • 一种自适应波浪效应水下波束高精度探测系统方法
  • [发明专利]一种分时分位计价的共享停车位无人管理系统及方法-CN201810315287.5有效
  • 曹燕;别碧耀;李杰;马碧云;杨萃;韦岗 - 华南理工大学
  • 2018-04-10 - 2021-07-16 - G08G1/14
  • 本发明提供一种分时分位计价的共享停车位无人管理系统及方法。该系统包括车辆识别模块,超声检测器,高速道闸机,智能车位锁,智能设备,云服务器。车辆识别模块用来读取车辆信息;超声检测器用来检测停车位是否空置;高速道闸机控制车辆进出停车场;智能车位锁允许匹配成功的车辆停入停车位;智能设备是为用户提供查询预约停车位的人机交互设备;云服务器实现用户管理、车位查询预约、高速道闸机控制、智能车位锁的开关控制、停车场和车位位置管理、自动分时分位计费、支付和结算功能。本发明实现停车位信息有效共享,也实现了停车场分时分位计价和无人化管理,减少了停车场的运营成本,也能提高停车场的收入。
  • 一种时分计价共享停车位无人管理系统方法
  • [发明专利]一种水库库容的无人船自动巡航测算系统及方法-CN201910274670.5有效
  • 韦岗;孔祥乾;曹燕 - 华南理工大学
  • 2019-04-08 - 2021-07-16 - G01C13/00
  • 本发明提供一种水库库容的无人船自动巡航测算系统及方法。该系统包括前端探测模块与后端计算与控制模块;前端探测模块负责在指定水域采集并上传水深、经纬度、姿态角度等信息;为了提高测量数据的完成度,后端计算与控制模块对测量数据进行质量评估并生成补测路径,控制多艘无人船自动巡航补测;整合初探、补测数据后计算出库容量。本发明通过基于最小内角方差的三角网格划分方法最大程度地还原了水底地形,提高了库容测算的准确率;针对初探数据普遍质量不高的问题提出了网格质量评估与补测点生成方法,进一步提高测量数据的完成度及库容测算的准确率;根据补测点自动生成能耗均衡的巡航路径并控制多艘无人船自动巡航完成补测任务。
  • 一种水库库容无人自动巡航测算系统方法
  • [发明专利]基于光电阵列增强信号多特征提取的连续血压测量方法-CN202110333169.9在审
  • 曹燕;王文娟;韦岗;王一歌 - 华南理工大学
  • 2021-03-29 - 2021-06-22 - A61B5/021
  • 本发明公开了一种基于光电阵列增强信号多特征提取的连续血压测量方法,步骤如下:采集用户的光电阵列脉搏波信号;对采集到的脉搏波信号进行预处理;对预处理后的脉搏波信号进行信号增强;对信号增强后的脉搏波信号基于先验知识提取显性特征;对信号增强后的脉搏波信号基于残差卷积模块提取隐性特征;基于显性特征和隐性特征分别训练模型并且保留模型参数;采用加权平均的方式进行模型融合,输出收缩压和舒张压。本发明在数据采集上更充分利用信号的有效成分;在特征提取层面提高模型预测的准确度。另外,通过模型融合的方式结合了显性特征和隐性特征的优点,可实现连续精准的血压测量。
  • 基于光电阵列增强信号特征提取连续血压测量方法
  • [发明专利]一种基于网格统计的图像特征点匹配方法-CN201810844212.6有效
  • 刘杰平;丁树浩;韦岗 - 华南理工大学
  • 2018-07-27 - 2021-06-08 - G06K9/62
  • 本发明公开了一种基于网格统计的图像特征点匹配方法,包括以下步骤:1、通过最近邻匹配得到初始匹配集M;2、对原图和待匹配图像进行网格化,将每张图像分成N*N个网格;3、遍历集合M中的每一对匹配mi={pi,p’i},如果pi属于原图中第j个网格,p’i属于待匹配图像中的第k个网格,则网格对Gj,k对应计数加1;4、对网格对集合G按计数值排序,选取前m个中的匹配点组成样本集I;5、从I中任意取d个匹配,计算模型H,并进行预检验;6、用I中剩余的匹配对模型H进行检验,如果误差小于阈值α,则将其加入集合Iinlier;7、进行迭代,重复步骤5和6的操作,并更新Iinlier;8、迭代结束,得到最优集合Iinlier,利用Iinlier计算最优模型H。本发明提出的方法相比于传统方法,具有计算效率高,对初始集不敏感等优点。
  • 一种基于网格统计图像特征匹配方法
  • [发明专利]一种无源器件智能等效电路模型与参数测量装置及工作方法-CN201910726367.4有效
  • 韦岗;代岳;杨萃 - 华南理工大学
  • 2019-08-07 - 2021-06-08 - G01R27/02
  • 本发明公开了一种无源器件智能等效电路模型与参数测量装置及工作方法,该装置包括人机交互显示与数据处理模块、信号发送模块、智能等效测试电路模块、信号接收模块、电源模块。本发明先将无源器件通过引线串联接入智能等效测试电路模块,测得初始频响,再利用模式识别算法将整个频段智能划分为多个分段频率,再为每个分段频率智能选择最佳测试电路以及最优等效电路模型,最后利用智能等效计算方法得到无源器件在不同频段下的最优RLC等效电路模型及其元件参数并分频段显示。本发明中公开的装置电路相对简单,测量结果是分频段智能等效计算出来的,速度快,适用范围广,精度高,更具实际应用价值。
  • 一种无源器件智能等效电路模型参数测量装置工作方法
  • [实用新型]一种四旋翼单螺旋桨无人飞船水域探测装置-CN202021881644.3有效
  • 韦岗;黄晓鸿;曹燕 - 华南理工大学
  • 2020-09-02 - 2021-05-25 - B64C35/00
  • 本实用新型公开了一种四旋翼单螺旋桨无人飞船水域探测装置,包括船体、位于船尾下方的水下螺旋桨、位于船体两侧的四个空气旋翼、位于船底的超声阵列模块、位于船舱内部的控制箱。控制箱包括控制无人飞船水面航行的水面航行控制模块、控制无人飞船飞行的空中飞行控制模块、数据采集模块、水下探测控制模块、通信模块、空气旋翼电机驱动模块、水下螺旋桨电机驱动模块、用于协调各个模块工作的处理器模块、为无人飞船提供电源的供电模块。本实用新型的无人飞船可控制船体两侧的四个空气旋翼控制无人飞船飞行、转向、平衡,大大提高了无人船探测的灵活性,水下螺旋桨仅靠电机控制转速,无舵机控制方向,能广泛应用于水下探测领域。
  • 一种四旋翼单螺旋桨无人飞船水域探测装置
  • [发明专利]一种无人船协同编队的水下探测方法-CN201810318058.9有效
  • 韦岗;包昕幼;曹燕 - 华南理工大学
  • 2018-04-10 - 2021-05-14 - G05D1/02
  • 本发明公开了一种无人船协同编队的水下探测方法。该方法具体包括以下主要过程:基于环境信息建立栅格地图,将无人船编队后进行区域覆盖数据探测,当陷入死角或该轮覆盖结束时,搜索最近的未覆盖区域,并规划出一条路径到达该区域继续任务;同时,每搜无人船均有避障功能和无人船出现障碍时的解决办法。本发明利用小型无人船进行探测,可在浅水区域自由通行;本发明采用无人船编队方法进行探测,可从不同角度探测,克服单无人船本身以及超声波探头角度限制带来的误判;本发明使用水面和水下超声波探头,避障范围不止局限于水面障碍物,也能探测到水下障碍物,避免因水下暗礁造成的碰撞;当某无人船突发故障时,其余无人船可重新规划继续任务。
  • 一种无人协同编队水下探测方法

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