“函数卷积”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果219362个，建议您升级VIP下载更多相关专利

[发明专利]一种YOLOv5s模型的训练方法、使用方法及训练装置-CN202211452203.5在审
发明人：杜耀文;于虹 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2022-11-18 - 公布日： 2023-03-07 - 主分类号： G06V10/774 文献下载
摘要：本发明实施例公开了一种YOLOv5s模型的训练方法、使用方法及训练装置，其中，该训练方法和使用方法包括：通过对YOLOv5s模型中的激活函数以及结构进行改进，可以提高YOLOv5s模型的检测精度和速度，将卷积层中卷积核权重带入到卷积核稀疏化训练的损失函数中，对YOLOv5s模型进行卷积核稀疏化训练，以及将缩放因子带入到通道稀疏化训练的损失函数中，对YOLOv5s模型进行通道稀疏化训练，可以有效筛选出冗余卷积核和冗余通道，从而有效实现剪去冗余卷积核和冗余通道，得到最优轻量化的YOLOv5s模型，使得最终训练得到的目标YOLOv5s模型，既提高检测精度和速度的同时又考虑了模型的大小，进而采用目标YOLOv5s模型能够快速有效地检测绝缘子自爆缺陷
一种 yolov5s 模型训练方法使用方法装置

[发明专利]一种用于稀疏干涉阵列观测成像的大视场效应消除方法-CN202211590226.2在审
发明人：张利 -专利权人：贵州大学
申请日： 2022-12-12 - 公布日： 2023-04-14 - 主分类号： G06F17/15 文献下载
摘要：该方法包括：获取稀疏干涉阵列观测的三维观测数据；采用ω‑projection算法，通过将三维观测数据中的天空亮度与已知卷积核函数卷积，并通过改进的卷积中ω项取值策略，确定观测对象的二维数据；采用反卷积成像方法对二维数据进行处理，并从处理后的数据中分离出已知卷积核函数，获得消除大视场非共面基线效应的脏图数据。本发明采用改进的卷积中ω项取值策略，在保持图像质量的同时，能显著提升稀疏干涉阵列中大视场效应处理效率。
一种用于稀疏干涉阵列观测成像视场效应消除方法

[发明专利]一种基于非因果时间卷积神经网络的加密流量分类方法-CN202011526821.0在审
发明人：陆菲菲;张鲁飞;濮小川;陈浩;吴东;孙茹君;曾明勇;王宇;李祥;钱磊 -专利权人：无锡江南计算技术研究所
申请日： 2020-12-22 - 公布日： 2021-04-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于非因果时间卷积神经网络的加密流量分类方法，包括以下步骤：对网络流量进行预处理，形成以会话为单位切分的流量数据；构建基于非因果时间卷积神经网络的分类模型：所述基于非因果时间卷积神经网络的分类模型包括若干个非因果卷积残差块、全连接层和用于输出分类结果的Softmax分类器层；所述非因果卷积残差块由两层空洞卷积构成；在每个空洞卷积层后连接权重归一化层和激活层，并使用ReLU函数作为激活函数；在跨越连接中，使用1*1卷积；最后本发明扩大了卷积核的作用域和特征点的感受野，可确保全局信息不被遗漏，能够显著提升分类效果。
一种基于因果时间卷积神经网络加密流量分类方法

[发明专利]基于深度可分离空洞时序卷积的三维人体姿态估计方法和装置-CN202211104605.6在审
发明人：高振国;范丽玲;范威威;郑智超;蒋坤良;洪欣;林昌龙;骆炎民 -专利权人：华侨大学
申请日： 2022-09-09 - 公布日： 2023-01-06 - 主分类号： G06V40/10 文献下载
摘要：本发明一种基于深度可分离空洞时序卷积的三维人体姿态估计方法和装置，构建T层深度可分离空洞时序卷积模型，通过设置空洞率大小控制模型的感受野；在T层深度可分离空洞时序卷积块的两层卷积中，采用切片函数在两层卷积之间匹配特征维度信息进行残差连接，对矩阵内的数据进行提取特征，将数据原始特征累加到深度可分离空洞时序卷积块的输出当中，从而保留原始数据的特征；改进的改进的深度可分离空洞卷积层先执行点卷积，再执行逐通道卷积，并引进了Mish激活函数提高模型性能
基于深度可分离空洞时序卷积三维人体姿态估计方法装置

[发明专利]一种联合动态剪枝和条件卷积的卷积神经网络压缩方法及装置-CN202310147699.3在审
发明人：高志鹏;莫梓嘉;芮兰兰;杨杨;赵晨;俞新蕾;冯夫腾 -专利权人：北京邮电大学
申请日： 2023-02-20 - 公布日： 2023-06-23 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种联合动态剪枝和条件卷积的卷积神经网络压缩方法及装置，所述方法包括：将训练样本集输入卷积神经网络得到卷积神经网络中各卷积层的输入特征和输出特征，计算每个卷积层各输入特征间的通道显著性相似度和各输出特征间的样本相似度并构建第一总损失函数，采用第一总损失函数对卷积神经网络迭代得到第一轻量化模型和多个第二轻量化模型，当第一轻量化模型的预测值未达到设定阈值，则将各第二轻量化模型的卷积层与第一轻量化模型卷积层的组合系数组合形成集成模型，并输出预测值
一种联合动态剪枝条件卷积神经网络压缩方法装置

[发明专利]一种基于FPGA的红外车辆检测加速器的加速方法-CN202310684651.6在审
发明人：詹伟达;姜靖恒;郭人仲;朱德鹏;刘大鹍;李国宁 -专利权人：长春理工大学重庆研究院
申请日： 2023-06-09 - 公布日： 2023-09-12 - 主分类号： G06T1/20 文献下载
摘要：本发明属于硬件加速技术领域，尤其为一种基于FPGA的红外车辆检测加速器的加速方法，该方法包括以下步骤：步骤1，构建卷积神经网络模型：整个卷积神经网络结构是由五个卷积块和一个上采样块组成，其中第一到第三个卷积块由卷积层、最大池化层和激活函数组成，第四个卷积块和第五个卷积块由卷积层、归一化层和激活函数组成。本发明，将计算量大，耗时久的卷积运算替换成计算量小、计算复杂度低的矩阵乘法运算，考虑到FPGA中加法的运算速度快于乘法运算，再将矩阵乘法运算中出现的乘法用速度更快的加法代替，大大提升运算速度，进而提升加速器的运算速度
一种基于 fpga 红外车辆检测加速器加速方法

[发明专利]一种基于ReLU卷积神经网络的图像去噪方法-CN201610482594.3有效
发明人：张永兵;季向阳;孙露露;王兴政;王好谦;李莉华;戴琼海 -专利权人：深圳市未来媒体技术研究院;清华大学深圳研究生院
申请日： 2016-06-27 - 公布日： 2019-04-26 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于ReLU卷积神经网络的图像去噪方法，包括以下步骤：搭建ReLU卷积神经网络模型，所述ReLU卷积神经网络模型包括多个卷积层和每个所述卷积层后的激活层，所述激活层为ReLU函数；选取训练集，并设置所述ReLU卷积神经网络模型的训练参数；根据所述ReLU卷积神经网络模型及其训练参数，以最小化损失函数为目标训练所述ReLU卷积神经网络模型形成图像去噪神经网络模型；将待处理的图像输入到所述图像去噪神经网络模型本发明公开的基于ReLU卷积神经网络的图像去噪方法，极大地增强神经网络的学习能力，建立起噪声图像到干净图像的准确映射，可以实现实时去噪。
一种基于 relu 卷积神经网络图像方法

[发明专利]眼科手术控制模块装置-CN202080076106.3有效
发明人： C·库伯勒;S·科尔哈默;M·纽迈尔 -专利权人：卡尔蔡司医疗技术股份公司
申请日： 2020-10-28 - 公布日： 2023-05-12 - 主分类号： A61F9/007 文献下载
摘要：本发明涉及一种眼科手术控制模块装置（96），其具有：‑第一卷积函数装置（51），该第一卷积函数装置被配置为在其输入端（511）处接收第一测量装置（19）在灌洗液管线（8）上检测到的第一测量信号，并且在其输出端（512）处输出通过第一卷积函数（513）卷积的该第一测量信号的时间导数的量，其中，该第一卷积函数（513）具有第一持续时间（t1），‑第一阈值装置（61），利用该第一阈值装置能够确定针对该第一测量信号的时间导数的第一阈值（S1），‑第一比较装置（71），该第一比较装置被配置为接收由该第一卷积函数装置（51）输出的该第一测量信号的时间导数的量，并接收该第一阈值（S1），并在预定的第一时间点之后，将该第一测量信号的时间导数的输出量与该第一阈值（S1）进行相互比较，并输出第一比较结果，‑第二卷积函数装置（52），‑第二阈值装置（62），‑第二比较装置（72），该第二比较装置被配置为输出第二比较结果，‑第一评估装置（81），该第一评估装置被配置为接收并评估该第一比较结果和该第二比较结果
眼科手术控制模块装置

[发明专利]一种多相流模拟仿真的卷积神经网络及快速可视化方法-CN201810860971.1有效
发明人：蔡循 -专利权人：苏州慧德仿真技术有限公司
申请日： 2018-08-01 - 公布日： 2023-02-03 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种多相流模拟仿真的卷积神经网络及快速可视化方法。包括分析网络和生成网络，分析网络分为多层结构，生成网络与分析网络结构对应；生成网络通过递归方式，将分析层与中间层数据叠加恢复；在恢复过程中，采用上采样卷积核不断生成精度更高的可视化或模拟数据。本发明的卷积神经网络最终选取合适的卷积核函数与生成核函数，以极高精度逼近常见的多相流系统F函数；神经网络经过训练之后，分析网络与生成网络可高度并行工作，即使在非常复杂的多相流系统下依然能做到大规模快速计算与可视化
一种多相模拟仿真卷积神经网络快速可视化方法

[发明专利]模式分类方法-CN200780028017.6有效
发明人： B·米尔巴赫;P·德瓦拉科塔 -专利权人： IEE国际电子工程股份公司
申请日： 2007-07-17 - 公布日： 2009-07-29 - 主分类号： G06K9/62 文献下载
摘要：通过计算训练模式的密度函数与集中于所述测试模式的高斯平滑函数的卷积而得到所述测试模式的相邻位置中所述训练模式的数量，其中所述训练模式的密度函数表示为高斯函数的混合。能够分析地表示所述平滑函数与所述高斯函数的混合的卷积。
模式分类方法

[发明专利]一种基于卷积神经网络的人脸模糊快速消除方法-CN201711368815.5在审
发明人：夏春秋 -专利权人：深圳市唯特视科技有限公司
申请日： 2017-12-18 - 公布日： 2018-06-01 - 主分类号： G06T5/00 文献下载
摘要：本发明中提出的一种基于卷积神经网络的人脸模糊快速消除方法，其主要内容包括：模糊消除模型、卷积核生成、卷积网络结构、人脸平滑操作，其过程为，首先对图像的模糊、去模糊过程进行数学形式建模，确立卷积神经网络所需训练过程；然后输入一对具有相同内容的锐化原图和其模糊化图像，利用服从高斯过程的初始化方法生成核函数，根据该核函数对输入图像对进行训练；接着设定三种损失函数对去模糊化的图像进行平滑操作，由此指导网络训练和生成模糊消除的复原图像本发明可以快速地在没有先验知识的情况下估计原锐化图像及卷积核，提供一个基于多尺度结构的学习模型，提高了对于较高程度模糊图像的复原准确性。
卷积神经网络模糊人脸平滑操作核函数卷积核图像锐化多尺度结构模糊化图像方法生成复原图像模糊过程模糊图像输入图像数学形式损失函数网络结构网络训练先验知识训练过程初始化模糊化高斯建模卷积复原学习

[发明专利]增强旋转机械故障信号特征的盲解卷积算法-CN202110798951.8在审
发明人：胡建中;方波;许飞云;贾民平 -专利权人：东南大学
申请日： 2021-07-14 - 公布日： 2021-10-22 - 主分类号： G06F17/16 文献下载
摘要：本发明涉及一种增强旋转机械故障信号特征的盲解卷积算法，包括以下步骤：S1：构建多个级联的FIR滤波器，根据原始振动信号的特征确定盲解卷积算法的最大化准则，将最大化准则作为目标函数；S2：利用级联的FIR滤波器依次对原始振动信号进行卷积运算，得滤波后的信号，计算滤波后的信号的目标函数值；S3：采用后向自动微分算法计算当前迭代次数下目标函数值对滤波器的梯度；S4：更新所有滤波器的值；S5：重复S2‑S4，解决了由于不同盲解卷积算法的迭代算法不能通用以及盲解卷积算法性能较差，导致旋转机械故障诊断精度不高的技术问题。
增强旋转机械故障信号特征卷积算法

[发明专利]一种眼底视网膜OCTA图像融合方法及系统-CN202210072782.4在审
发明人：张泓凯 -专利权人：佛山科学技术学院
申请日： 2022-01-21 - 公布日： 2022-04-29 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种眼底视网膜OCTA图像融合方法及系统，包括以下步骤：采集眼底视网膜OCTA图像数据，对同一只眼睛同一区域采集10组数据，然后对图像进行预处理，利用预处理后的图像数据，构建深度学习的训练数据集；搭建深度卷积神经网络模型，对深度卷积神经网络模型进行训练；构建混合损失函数，通过所述混合损失函数对OCTA图像的小血管进行提取，利用混合损失函数计算小血管图像的多尺度结构相似性和平均绝对误差L1来训练深度卷积神经网络，获得网络模型参数；利用训练后的深度卷积神经网络模型对测试集图像进行预测，网络输出即为融合后的高质量图像。本发明通过深度卷积网络来对图像进行融合，图像处理质量好。
一种眼底视网膜 octa 图像融合方法系统

[发明专利]一种眼底视网膜OCTA图像融合方法及系统-CN202211324111.9在审
发明人：张泓凯;黄燕平;张芹芹;蓝公仆;许景江 -专利权人：佛山科学技术学院
申请日： 2022-10-27 - 公布日： 2022-12-13 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种眼底视网膜OCTA图像融合方法及系统，包括以下步骤：采集眼底视网膜OCTA图像数据，对同一只眼睛同一区域采集10组数据，然后对图像进行预处理，利用预处理后的图像数据，构建深度学习的训练数据集；搭建深度卷积神经网络模型，对深度卷积神经网络模型进行训练；构建混合损失函数，通过所述混合损失函数对OCTA图像的小血管进行提取，利用混合损失函数计算小血管图像的多尺度结构相似性和平均绝对误差L1来训练深度卷积神经网络，获得网络模型参数；利用训练后的深度卷积神经网络模型对测试集图像进行预测，网络输出即为融合后的高质量图像。本发明通过深度卷积网络来对图像进行融合，图像处理质量好。
一种眼底视网膜 octa 图像融合方法系统

[发明专利]一种可变空洞卷积的稠密图像超分辨率网络-CN202211466653.X在审
发明人：张云飞;曹黎俊;王孝群;蔡占毅 -专利权人：江苏济远医疗科技有限公司
申请日： 2022-11-22 - 公布日： 2023-03-07 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种可变空洞卷积的稠密图像超分辨率网络，其特征在于，包括多个依次串接的基本单元BN‑ReLU‑ConvBCN，且最后一个所述基本单元BN‑ReLU‑ConvBCN的输出端依次连接2个卷积层和1个反卷积层；其中，每个所述基本单元BN‑ReLU‑ConvBCN中的BN为归一化层，ReLU为损失函数L，ConvBCN为卷积操作，通过ConvBCN卷积操作获取特征图；输入原始图像，输出高分辨率图像。训练中引入了改进的损失函数，并且随着训练轮次的深入动态调整损失函数，这样的结构给整个网络带来了减轻梯度消失问题、加强特征传播、支持特征复用的优点。
一种可变空洞卷积稠密图像分辨率网络