“多集池化”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4028429个，建议您升级VIP下载更多相关专利

[发明专利]一种基于知识图谱多集池化的装备健康状态评估方法-CN202211008740.0在审
发明人：张元鸣;肖士易;肖刚;程振波;徐雪松;陆佳炜;王琪冰 -专利权人：浙江工业大学
申请日： 2022-08-22 - 公布日： 2022-12-09 - 主分类号： G06K9/62 文献下载
摘要：一种基于知识图谱多集池化的装备健康状态评估方法，属于装备健康状态评估技术领域。它包括以下步骤：1、装备健康状态数据模型构建；2、知识图谱多集池化网络模型构建；3、知识图谱的节点维度特征提取；4、知识图谱多头注意力多集池化；5、训练与分类。本发明针对现有健康状态评估方法不能有效融合时间特征和空间特征的问题，提出一种基于知识图谱多集池化的装备健康评估方法，利用时序知识图谱将装备部件和指标信息进行深度融合为结构化图数据模型，并通过知识图谱多级池化提取其中的时间特征和空间特征
一种基于知识图谱多集池化装备健康状态评估方法

[发明专利]一种基于多池化融合通道注意力的目标检测方法及其应用-CN202211706047.0有效
发明人：王改华;曹清程;甘鑫;翟乾宇 -专利权人：湖北工业大学
申请日： 2022-12-29 - 公布日： 2023-03-31 - 主分类号： G06V10/77 文献下载
摘要：本发明提供一种基于多池化融合通道注意力的目标检测方法及其应用，包括步骤1，准备图像数据集用于测试和训练，使用训练集的数据来训练模型，用测试集上的误差作为最终模型在应对现实场景时的泛化误差；步骤2，构建基于目标检测的多池化融合通道注意力网络；步骤3，使用训练集图像对多池化融合通道注意力网络模型进行训练；步骤4，使用步骤3训练好的网络模型对测试集图像进行目标检测。
一种基于多池化融合通道注意力目标检测方法及其应用

[发明专利]多感受野注意力肺结节良恶性分类识别系统及方法-CN202310160445.5在审
发明人：白春学;朱煜 -专利权人：上海白春学人工智能科技工作室
申请日： 2023-02-24 - 公布日： 2023-07-07 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种多感受野注意力肺结节良恶性分类识别系统及方法，所述系统包括：卷积层模块、多感受野注意力模块、池化层模块、全连接层模块及分类层模块；所述卷积层模块适于基于根据输入的肺结节图像数据集输出经过卷积计算后的特征图集F∈RC×H×W；所述多感受野注意力模块适于基于卷积层模块输出的特征图集F∈RC×H×W输出经过多感受野特征提取及多感受野权重调整的特征图集FCS；所述池化层模块适于对特征图集FCS池化处理以输出经池化的特征图集；所述全连接层模块适于对所述经池化的特征图集进行训练并得到相应的图像预测值集；所述分类层模块适于根据所述图像预测值集分类处理以得到分类输出结果集，并返回参数列表。
感受注意力结节恶性分类识别系统方法

[发明专利]基于多层次聚合特征提取与融合的点云分类方法-CN202010030687.9在审
发明人：陈动;曹伟;向桂丘 -专利权人：南京林业大学
申请日： 2020-01-13 - 公布日： 2020-06-12 - 主分类号： G06K9/46 文献下载
摘要：本发明提出的是一种基于多层次聚合特征提取与融合的点云分类方法，包括如下步骤：(一)多层次点集的构建；(二)基于LLC‑LDA的点集特征提取；(三)基于多尺度最大池化(LLC‑MP)的点集特征提取；(四)基于多层次点集特征融合的点云分类。本发明提出一种基于多尺度最大池化和latent Dirichlet allocation(LDA)的多层次点集聚合特征提取与融合方法，并基于融合的聚合特征实现点云分类。本发明算法通过多层次聚类，自适应获取多层次多尺度目标点集，通过局部线性约束稀疏编码(Locality‑constrained Linear Coding，LLC)表达点云单点特征，利用点坐标构建尺度金字塔，并基于最大池化方法构造能够表征点集局部分布的特征，然后融合该特征与LLC‑LDA模型提取点集全局特征，最终利用融合的点集多层次聚合特征实现点云分类。
基于多层次聚合特征提取融合分类方法

[发明专利]基于分层图池化的多视角聚类方法及系统-CN202110393842.8在审
发明人：李欣;赵志云;葛自发;孙小宁;张冰;万欣欣;袁钟怡;赵忠华;孙立远;付培国;王禄恒;王晴 -专利权人：国家计算机网络与信息安全管理中心
申请日： 2021-04-13 - 公布日： 2021-08-13 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于分层图池化的多视角聚类方法，包括以下步骤：将待处理数据划分成多视角数据集，然后将多视角数据集按各视角构建对应的图表示，得到对应的视图；采用分层图池化层迭代计算方法提取每个视图的聚类信息，每个视图的聚类信息包括对应该视图的粗化图和分配矩阵，该粗化图包括迭代后的邻接矩阵、特征矩阵、图拉普拉斯矩阵；采用多视角谱聚类融合方法融合所有视图的聚类信息，得到每一类特征向量所对应的类别。具有充分利用待处理数据本身的多视图特征，可以综合包含原各个视图的聚类信息。公开了一种基于分层图池化的多视角聚类系统，包括：图构建模块、聚类信息计算提取模块、多视角融合模块。
基于分层图池化视角方法系统

[发明专利]一种基于多阶段特征融合信息复用的多光谱行人检测方法-CN202110748340.2在审
发明人：陈莹;朱宇;化春键;李祥明;胡蒙;裴佩 -专利权人：江南大学
申请日： 2021-06-30 - 公布日： 2021-09-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多阶段特征融合信息复用的多光谱行人检测方法，属于多模态信息处理技术领域。将生成的每一个行人建议先映射回三个多模态特征进行多特征池化，再进行高层池化特征加权融合，同时使用高低层特征池化策略组合池化特征，以完成高低层特征的联合。最后将池化特征送入全连接层完成检测任务。实验结果表明：在KAIST多光谱行人检测数据集上，获得76.24％的行人检测精度，行人平均漏检率下降至27.63％。
一种基于阶段特征融合信息光谱行人检测方法

[实用新型]一种生产型的工厂化高密度鱼菜共生系统-CN202020168959.7有效
发明人：向坤;张文明;周利;叶章颖;彭福;孙启彦;张思源;朋泽伟;姜萌喆;曹慧敏;向子轩 -专利权人：青岛蓝谷鲲鹏海洋科技有限公司
申请日： 2020-02-12 - 公布日： 2020-10-30 - 主分类号： A01K63/00 文献下载
摘要：本实用新型公开了一种生产型的工厂化高密度鱼菜共生系统，包括相对独立的高密度鱼循环水养殖系统和菜循环种植系统，所述菜循环种植系统包括种植水槽、循环水泵、集污池、残饵粪便分解器和集液池；种植水槽通过循环水泵与集液池相连通，所述残饵粪便分解器与集污池相连通；所述残饵粪便分解器前端进水口通过第一水泵与集污池连通，出水口通过管道与集液池连通；残饵粪便分解器设有三级反应器，分别为厌氧仓、好氧仓、沉淀仓；沉淀池与集污池连通。本实用新型设计合理，易于操作管理，真正实现了工厂化鱼循环水养殖系统和菜循环种植系统可相对独立运行互不影响，可同时实现鱼的高密度养殖和菜瓜果的多品种高产，可商业化规模推广，属于国内首创。
一种生产工厂高密度共生系统

[发明专利]基于动态随机池化卷积神经网络的图像分类方法-CN201610018847.1有效
发明人：王生生;刘威;邢召龙 -专利权人：吉林大学
申请日： 2016-01-13 - 公布日： 2018-10-23 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于动态随机池化卷积神经网络的图像分类方法，该方法包括以下步骤：一、把训练集导入一系列卷积层进行卷积运算；二、把训练集导入一系列池化层进行随机池化运算；三、在最后的池化层进行动态随机池化；本发明提出的随机池化运算可以很好的保留特征图像的纹理和背景综合特征；最后池化层的动态随机运算消除图像多尺度问题；多维度的特征融合，保证图像特征的多样性，从而提高识别精度。
基于动态随机卷积神经网络图像分类方法

[发明专利]一种图像分类方法及装置-CN201710507788.9有效
发明人：蔡述庭;刘坤;陈平;李卫军;梁天智 -专利权人：广东工业大学
申请日： 2017-06-28 - 公布日： 2021-06-01 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种图像分类方法及装置，基于图像大数据集，训练AlexNet模型结构；将训练好的五个卷积层迁移至小型数据库构成底层特征提取层，与包括两层卷积层的残差网络层、多尺度池化层、特征层及softmax分类器构建得出迁移模型结构；将图像小数据集输入迁移模型结构，采用批量梯度下降法更新参数，训练出图像分类混合模型；根据图像分类混合模型进行分类，得出分类结果。本申请通过将在大数据集上预训练好的各卷积层迁移至小数据集，增加多尺度池化层，将残差网络层和多尺度池化层输出的特征量串联起来输入至分类器，增加特征量，同时缓解过拟合问题；且通过基于卷积神经网络和迁移学习训练出的混合模型有效提高图像分类准确率
一种图像分类方法装置

[发明专利]基于协同表示和池化及融合的人脸识别分类方法-CN201811650923.6有效
发明人：彭亚丽;吕梦鸽;王蒙;吴晓军;裴炤 -专利权人：陕西师范大学
申请日： 2018-12-31 - 公布日： 2023-02-28 - 主分类号： G06V40/16 文献下载
摘要：一种基于协同表示和池化及融合的人脸识别分类方法，具体包括将人脸数据库分为训练人脸图像集和测试人脸图像集；对训练人脸图像集和测试人脸图像集分别进行最大池化、平均池化和最小池化处理；归一化处理；求最大池化训练人脸图像集协同表示该最大池化测试人脸图像的最大池化误差向量；求平均池化训练图像集协同表示每一张平均池化测试图像的平均池化误差向量；求最小池化训练图像集协同表示该最小池化测试图像的最小池化误差向量；对最大池化误差向量、最小池化误差向量和平均池化误差向量进行加权融合
基于协同表示融合识别分类方法

[发明专利]基于多通道脑电数据和CNN-SVM的癫痫脑电识别装置-CN202010011303.9在审
发明人：吕辰刚;陈雨心;王增光;陈旨娟;刘宇恒;常心怡;杨希婷 -专利权人：天津大学
申请日： 2020-01-06 - 公布日： 2020-05-19 - 主分类号： A61B5/0476 文献下载
摘要：本发明涉及一种基于多通道脑电数据和CNN‑SVM的癫痫脑电识别装置，包括下列模块：预处理模块；特征提取模块，包括：卷积层：使用卷积层从脑电信号中提取特征，并选用ReLU函数作为激活函数；池化层：采用最大值池化的方式；丢失正则化：为防止过拟合，应用丢失正则化机制；模型构造模块，包括：基于SVM构造2分类模型；把特征提取模块提取到的特征作为数据集，构建训练集和测试集；使用Sigmoid函数作为核函数；模型训练模块。
基于通道数据 cnn svm 癫痫识别装置

[发明专利]基于注意力引导的多尺度上下文信息交互的语义分割方法-CN202210600487.1在审
发明人：赵明华;郅宇星;李军怀;都双丽;胡静;石程;尤珍臻;王琳 -专利权人：西安理工大学
申请日： 2022-05-30 - 公布日： 2022-09-27 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于注意力引导的多尺度上下文信息交互的语义分割方法，首先将公共数据集CamVid中所有图像数据划分为训练集、验证集及测试集，然后对训练集的所有图像数据进行数据增强和预处理操作；使用残差结构构造ResNet50网络模型；使用注意力机制和深度可分离卷积构造注意力引导模块，使用全局平均池化构造池化单元；将城市场景图像上采样二倍和下采样二倍，然后使用ResNet50模型提取深度特征，最后提取图像的多尺度特征本发明解决了现有技术中存在的街道场景语义分割中的多尺度分割受限和单一的串行连接导致的类内分割不一致问题。
基于注意力引导尺度上下文信息交互语义分割方法

[发明专利]多模态信息融合网络的电力变压器故障诊断方法及系统-CN202310260714.5在审
发明人：邢致恺;刘慧;何鎏璐 -专利权人：宁波力斗智能技术有限公司
申请日： 2023-03-13 - 公布日： 2023-06-23 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于多模态信息融合网络的电力变压器故障诊断方法及系统，属于电力变压器故障诊断技术领域，包括：采集各变电站中变压器的油中气体和红外图形；将采集的数据按比例划分为训练集和测试集；构建基于双向门控神经网络和全局二级池化网络的多模态信息融合网络，并输入训练集和测试集进行网络训练；利用实时采集的数据得到可训练的数据，进行故障诊断和网络参数的更新。本发明利用双向门控神经网络对油中气体数据进行特征提取，由全局二级池化网络对红外图像进行特征提取，利用交叉注意力机制对提取的多模态特征进行融合，从而得到电力变压器的故障状态。该多模态信息融合神经网络具有准确的故障诊断性能和稳定的鲁棒性。
多模态信息融合网络电力变压器故障诊断方法系统

[发明专利]一种用于智能制造的矿石X光图像识别方法-CN202210556471.5在审
发明人：钟家兴;袁明康 -专利权人：钟家兴
申请日： 2022-05-20 - 公布日： 2022-10-18 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种用于智能制造的矿石X光图像识别方法，包括制作训练数据集、训练图像分类网络、识别待分选矿石X光图像等步骤。图像分类网络包括多尺度特征提取模块、最大池化层、全局平均池化层、FC层和softmax分类器，多个多尺度特征提取模块沿图像分类网络的深度方向设置，最后一个最大池化层的输出端通过全局平均池化层与FC层的输入端连接本发明将多尺度特征提取结构与注意力机制结合，控制多尺度特征提取模块参数量和计算量的情况下，极大提升了网络对图像特征的提取效率，与现有技术相比，本发明提供的图像分类识别网络在识别精度和运行速度上取得了更好的平衡
一种用于智能制造矿石图像识别方法

[发明专利]基于轨迹加权深度卷积次序池化描述子的视频人体跌倒检测方法及系统-CN201811506075.1有效
发明人：马昕;张智勐;宋锐;荣学文;田新诚;田国会;李贻斌 -专利权人：山东大学
申请日： 2018-12-10 - 公布日： 2020-06-30 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于轨迹加权深度卷积次序池化描述子的视频人体跌倒检测方法及系统，包括：得到每一帧的卷积特征图；提出了一种新的轨迹注意力图，可以用于定位视频中的人物区域；视频帧的卷积特征图与轨迹注意力图相加权可以得到轨迹加权卷积特征，该特征可以有效地描述视频中人物区域的视觉特征；提出聚类池化的方法，消除序列中的冗余。最后，我们使用次序池化的方法编码轨迹加权卷积特征序列，得到的结果就是轨迹加权深度卷积次序池化描述子。使用该描述子，在SDUFall数据集上获得了目前最高的准确率，在UR数据集和多视角数据集上也获得了不错的效果。
基于轨迹加权深度卷积次序描述视频人体跌倒检测方法系统

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条