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870569个,建议您升级VIP下载更多相关专利
  • [发明专利]一种水下结构物病害数据处理方法-CN202210403079.7有效
  • 赵柯东 - 陕西易合交通科技有限公司
  • 2022-04-18 - 2023-04-25 - G06T7/00
  • 本发明公开了一种水下结构物病害数据处理方法,通过水下机器人拍摄水下结构物的图像,并从中分割出包含病害的图像作为原始图像;获取训练图像训练图像包括训练原始图像和训练病害图像,将训练原始图像进行预处理,并在处理后的训练原始图像中标记病害得到训练病害图像,对神经网络模型进行训练,得到训练好的神经网络模型;将原始图像完成预处理之后输入到的神经网络模型中,输出得到病害图像,输出病害图像;分析病害图像,得到病害的特征数据
  • 一种水下结构病害数据处理方法
  • [发明专利]文字识别模型训练、文字识别方法、装置、设备及介质-CN201811008806.X有效
  • 黄春岑 - 平安科技(深圳)有限公司
  • 2018-08-31 - 2023-10-20 - G06V30/19
  • 本发明公开了一种文字识别模型训练、文字识别方法、装置、设备及介质,所述方法包括:获取原始图片,采用图像检测算法获取原始图片的手写体文字区域;采用文本线构造算法将每一原始图片的手写体文字区域合并成文本线;将每一原始图对应的文本线组合成单行文字图片;将单行文字图片输入YOLO神经网络模型中进行训练,得到手写体文字识别模型。通过从手写体文字区域中获取单行文字图片,扩大了样本集,同时减少其他文字区域的干扰,进而提高后续的手写体文字模型的识别准确率。而且将单行文字图片输入YOLO神经网络模型中进行训练,由于YOLO神经网络模型结构简单,运算复杂度较低,使得手写体文字识别模型的训练效率得到了极大的提高。
  • 文字识别模型训练方法装置设备介质
  • [发明专利]一种基于深度学习的电力巡检智能缺陷检测方法-CN202010755344.9在审
  • 黄可坤;李云青;黄洪锐 - 嘉应学院
  • 2020-07-31 - 2020-10-30 - G06T7/00
  • 本发明公开了一种基于深度学习的电力巡检智能缺陷检测方法,包括:获取多张不同绝缘子的原始图像并划分成训练和测试;对训练原始图像进行增强处理得到增强图像;对各增强图像、测试集中的原始图像进行切块处理得到多个子块图像及其掩模;对各子块图像及其掩模进行语义分割并提取绝缘子区域;并得到各绝缘子的连通区域;对连通区域使用主成分分析进行旋转得到规范化绝缘子图像;将增强图像的规范化绝缘子图像输入到神经网络模型进行训练得到训练模型;通过训练模型预测测试的规范化绝缘子图像中的绝缘子坐标;对绝缘子坐标进行逆变换还原至原图坐标。
  • 一种基于深度学习电力巡检智能缺陷检测方法
  • [发明专利]基于改进TimeGan模型的小样本数据故障诊断方法-CN202110950739.9在审
  • 黑新宏;张宽;姬文江;朱苗;费蓉;程晨 - 西安理工大学
  • 2021-08-18 - 2021-12-24 - G06K9/00
  • 本发明公开了一种基于改进TimeGan模型的小样本数据故障诊断方法,具体为:读取原始数据,将原始数据分类为正常数据和故障数据;对正常数据、故障数据进行预处理,得到深度学习训练所需的故障数据样本和正常数据样本;对TimeGan进行对抗训练,得到训练好的TimeGan模型;利用训练好的TimeGan模型进行扩充数据,得到合成的故障数据样本,将合成的故障数据样本、故障数据样本和正常数据样本合并,得到数据;按照指定比例先将数据划分为训练和测试,之后再对训练和测试集中的每个数据样本进行归一化处理,最后对训练和测试集中的每个数据样本进行Harr小波特征提取和时域统计参量特征提取。
  • 基于改进timegan模型样本数据故障诊断方法

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