“稠密”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2911个，建议您升级VIP下载更多相关专利

[发明专利]一种用于目标重建的嵌套结构的渐进式稠密网络-CN201910840115.4在审
发明人：李隆熹;王小娥;马丽红;韦岗 -专利权人：华南理工大学
申请日： 2019-09-06 - 公布日： 2020-01-10 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种用于目标重建的嵌套结构的渐进式稠密网络，包括局部稠密块和全局稠密块；局部稠密块包括局部稠密连接、局部特征融合和局部残差学习；局部稠密连接用于将局部稠密块中卷积单元的输出都输入到之后所有的卷积单元；局部特征融合用于卷积单元的分层特征融合学习；局部残差学习用于构建输入数据更加稀疏的网络；全局稠密块包括全局稠密连接、全局特征融合和全局残差学习；全局稠密连接用于将每一个局部稠密块的输出都输入到之后所有的局部稠密块；全局特征融合用于局部稠密块的分层特征融合学习；全局残差学习构建输入数据更加稀疏的网络。
稠密残差全局分层卷积融合局部特征全局特征特征融合学习构建稀疏网络目标重建嵌套结构输出尺度爆炸加深

[发明专利]矩阵处理装置-CN201710025742.3有效
发明人：拉维·纳拉亚纳斯瓦米;拉胡尔·纳加拉扬;禹同爀;克里斯多佛·丹尼尔·利里 -专利权人：谷歌有限责任公司
申请日： 2017-01-13 - 公布日： 2020-08-18 - 主分类号： G06F17/16 文献下载
摘要：提供了方法、系统、和装置，其包括用于将稀疏元素变换为稠密矩阵的系统。所述系统被配置为：接收对于输出稠密矩阵的请求，所述输出稠密矩阵基于包括与第一稠密矩阵相关联的稀疏元素和与第二稠密矩阵相关联的稀疏元素的稀疏元素；获得由所述第一稀疏元素访问单元群组提取的与所述第一稠密矩阵相关联的稀疏元素；获得由所述第二稀疏元素访问单元群组提取的与所述第二稠密矩阵相关联的稀疏元素；以及对与所述第一稠密矩阵相关联的稀疏元素和与所述第二稠密矩阵相关联的稀疏元素进行变换以生成包括与所述第一稠密矩阵相关联的稀疏元素和与所述第二稠密矩阵相关联的稀疏元素的所述输出稠密矩阵
矩阵处理装置

[发明专利]矩阵处理装置-CN202010713206.4有效
发明人：拉维·纳拉亚纳斯瓦米;拉胡尔·纳加拉扬;禹同爀;克里斯多佛·丹尼尔·利里 -专利权人：谷歌有限责任公司
申请日： 2017-01-13 - 公布日： 2022-04-05 - 主分类号： G06F17/16 文献下载
摘要：提供了方法、系统、和装置，其包括用于将稀疏元素变换为稠密矩阵的系统。所述系统被配置为：接收对于输出稠密矩阵的请求，所述输出稠密矩阵基于包括与第一稠密矩阵相关联的稀疏元素和与第二稠密矩阵相关联的稀疏元素的稀疏元素；获得由所述第一稀疏元素访问单元群组提取的与所述第一稠密矩阵相关联的稀疏元素；获得由所述第二稀疏元素访问单元群组提取的与所述第二稠密矩阵相关联的稀疏元素；以及对与所述第一稠密矩阵相关联的稀疏元素和与所述第二稠密矩阵相关联的稀疏元素进行变换以生成包括与所述第一稠密矩阵相关联的稀疏元素和与所述第二稠密矩阵相关联的稀疏元素的所述输出稠密矩阵
矩阵处理装置

[发明专利]一种训练模型和点云的处理方法及装置-CN202110195817.9有效
发明人：李捷;史信楚;夏华夏 -专利权人：北京三快在线科技有限公司
申请日： 2021-02-19 - 公布日： 2023-07-18 - 主分类号： G06T17/00 文献下载
摘要：本说明书公开了一种训练模型和点云的处理方法及装置，利用预设的目标物对应的完整点云，将从原始点云中切分出的原始子点云进行稠密化，得到作为训练样本的稠密子点云，利用稠密子点云对稠密化模型进行训练，并利用训练后的稠密化模型，对待处理点云中包含目标物的待处理子点云进行稠密化处理，无需利用二维的图像即可对点云进行稠密化处理，从而不会引入噪声，使得稠密化后的点云更加准确。
一种训练模型处理方法装置

[发明专利]通过深度补全生成稠密的全局点云图方法及系统-CN202210337571.9在审
发明人：潘文安;刘子骁;胡钰玺;付泰蒙 -专利权人：香港中文大学（深圳）
申请日： 2022-03-31 - 公布日： 2022-09-13 - 主分类号： G06T17/05 文献下载
摘要：本发明涉及一种生成稠密全局点云图的方法和系统，通过利用图像引导的深度补全方法来获得更稠密的全局点云图，提取图像及点云和位姿信息，将图像点云转换为稀疏深度图，对初始图像进行颜色信息提取预测深度，输出颜色分支稠密深度图；对每个点云的稀疏深度图进行深度信息提取，输出深度分支稠密深度图；融合颜色分支稠密深度图和深度分支稠密深度图，在短时间内获得更准确的深度和精细的纹理稠密的深度信息，从而生成稠密全局点云图。
通过深度生成稠密全局云图方法系统

[发明专利]基于稠密多路卷积网络的图片分类方法与系统-CN202010531567.7在审
发明人：刘春阳;张旭;陈志鹏;唐胜;王鹏;张翔宇;张丽;曹智;张勇东 -专利权人：国家计算机网络与信息安全管理中心;中国科学院计算技术研究所
申请日： 2020-06-11 - 公布日： 2020-10-27 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种基于稠密多路卷积网络的图片分类方法和系统，包括：构建由分组、变换、聚合构成的基本单元，基于该基本单元构建新的稠密模块，将密集连接的卷积DenseNet网络网络框架中原始稠密模块替换为该新稠密模块，得到稠密多路卷积网络；使用已标记类别的图片数据作为训练数据，通过梯度反向传播更新该稠密多路卷积网络中的权重，训练该稠密多路卷积网络，得到图片分类模型；将待分类图片数据输入该分类模型，得到该待分类图片数据的分类结果本发明提出的稠密多路卷积网络，对DenseNet网络的基本模块进行了改进和优化，以获取表达力更强的特征。
基于稠密卷积网络图片分类方法系统

[发明专利]稠密三维地图更新方法及装置-CN202110610890.8在审
发明人：申抒含;和颖 -专利权人：中国科学院自动化研究所
申请日： 2021-06-01 - 公布日： 2021-10-08 - 主分类号： G06T17/20 文献下载
摘要：本发明提供一种稠密三维地图更新方法及装置，该稠密三维地图更新方法包括：获取稠密三维地图以及目标二维图像；将目标二维图像在稠密三维地图中进行配准，得到目标二维图像的位姿信息；基于位姿信息，确定稠密三维地图中与目标二维图像对应的虚拟二维图像；基于虚拟二维图像与目标二维图像的相似性比较，确定稠密三维地图中的变化区域；将稠密三维地图中的变化区域替换为对应的目标二维图像，并进行三维重建处理，得到更新稠密三维地图。本发明提供的稠密三维地图更新方法及装置，通过利用目标二维图像来与稠密三维地图中对应位姿信息的虚拟二维图像进行相似性比较，能够实现对稠密三维地图的快速高效更新，降低经济成本和工作量。
稠密三维地图更新方法装置

[发明专利]一种身份识别方法、装置、电子设备及存储介质-CN202211281665.5在审
发明人：姚琼;陈晨;徐翔;李文生;叶立威 -专利权人：电子科技大学中山学院
申请日： 2022-10-19 - 公布日： 2022-12-09 - 主分类号： G06V10/44 文献下载
摘要：本申请提供一种身份识别方法、装置、电子设备及存储介质，该方法包括：使用神经网络模型中的稀疏化稠密连接块对待处理图像进行特征提取，获得图像特征，稀疏化稠密连接块是稀疏化稠密连接的神经网络模块；使用神经网络模型中的全连接层对图像特征进行识别通过使用神经网络模型中的稀疏化稠密连接块对待处理图像进行特征提取，由于稀疏化稠密连接块是稀疏化稠密连接的神经网络模块，因此，该稀疏化稠密连接块比残差网络的梯度反向传播效率好，且该稀疏化稠密连接块比稠密连接网络的计算效率高
一种身份识别方法装置电子设备存储介质

[发明专利]肺部感染CXR图像自动识别方法、系统、存储介质及终端-CN202310104254.7有效
发明人：王成弟;李为民;章毅;徐修远;熊立鹏;赵科甫;郭际香;邵俊;李经纬;梁书凡 -专利权人：四川大学
申请日： 2023-02-13 - 公布日： 2023-04-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种肺部感染CXR图像自动识别方法、系统、存储介质及终端，涉及肺炎图像的自动识别，其目的在于解决现有技术中存在稠密连接网络因数据压缩、网络梯度减少造成肺炎图像自动识别效果较差的技术问题。其通过搭建稠密连接网络，稠密连接网络的每层稠密块与前面所有层的稠密块连接在一起，并作为下一层稠密块的输入；且稠密块与稠密块之间的连接包括并列设置的左连接分支、右连接分支，左连接分支包括两个卷积层，右连接分支包括四个卷积层本发明的网络结构改为双向致密层和过渡层，可进行无压缩操作并提取到肺炎多尺度的特征，且稠密连接网络加深也不会造成梯度消失，加深网络可以获得更好的肺炎识别效果。
肺部感染 cxr 图像自动识别方法系统存储介质终端

[发明专利]一种联合稀疏和稠密邻域一致性的图像匹配方法-CN202211382001.8在审
发明人：杜松林;姜其敏 -专利权人：东南大学;东南大学深圳研究院
申请日： 2022-11-07 - 公布日： 2023-01-20 - 主分类号： G06V10/74 文献下载
摘要：本发明公开了一种联合稀疏和稠密邻域一致性的图像匹配方法，所述方法依次经过基于稀疏的注意力图神网络和基于稠密领域一致性的网络后，将稀疏和稠密匹配的初始得分转化为同维度，利用可学习参数结合稀疏和稠密的初始匹配得分本发明通过融合稠密匹配为稀疏匹配增加了全局信息，并且稠密匹配也学习稠密邻域信息，避免由于图的复杂性带来的错误匹配，使稀疏和稠密邻域一致性相互促进，最终达到准确性高的匹配效果。
一种联合稀疏稠密邻域一致性图像匹配方法

[发明专利]基于稠密连接的深度神经网络结构改进方法和系统-CN201910456314.5在审
发明人：武爱斌;魏小庆 -专利权人：朗坤智慧科技股份有限公司
申请日： 2019-05-29 - 公布日： 2019-09-20 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于稠密连接的深度神经网络结构改进方法，包括：建立全连接深度神经网络，并确定全连接深度神经网络的层数、各层神经元个数以及参数，按顺序将全连接深度神经网络划分为大小适中的若干稠密连接块，实现各稠密连接块内部的稠密连接，将稠密连接块之间按照全连接方式组合成深度稠密神经网络。本方法通过引入稠密连接思想，改进了全连接深度神经网络结构，能够有效降低梯度问题，提高特征利用率，减少训练时间，提高训练准确性。
稠密神经网络神经网络结构神经元特征利用率改进连接方式引入

[发明专利]一种基于图像形态学的稠密物体分割方法-CN201310023769.0在审
发明人：戴琼海;黄炜程 -专利权人：清华大学
申请日： 2013-01-22 - 公布日： 2013-05-08 - 主分类号： G06T7/00 文献下载
摘要：本发明提出了一种基于图像形态学的稠密物体分割方法，其包括如下步骤：输入包含有待分割稠密物体的图像；平滑模块对图像进行平滑；HSI阈值处理模块对图像进行二值化，确定图像中待分割的稠密物体区域；孔洞填充模块对二值化过程中稠密物体区域内产生的孔洞进行填充；腐蚀模块对孔洞填充后的二值化图像进行腐蚀处理；细化模块将稠密物体彻底分离并获取每个稠密物体的中心；输出分割后的图像。本发明基于图像形态学对稠密物体进行分割，这种方法具有分割区分度高、误识别率低、性能稳定等优点，有利于通过图像对稠密物体进行统计这一方法的推广。
一种基于图像形态学稠密物体分割方法

[发明专利]一种向量生成方法及装置-CN201811636919.4在审
发明人：苗泽民;田园 -专利权人：星潮闪耀移动网络科技（中国）有限公司
申请日： 2018-12-29 - 公布日： 2019-05-10 - 主分类号： G06Q30/02 文献下载
摘要：本申请公开了一种向量生成方法及装置，该方法包括：获取身份特征数据；将所述身份特征数据作为预先建立的稠密向量相关模型的输入值，并获取所述模型的稠密向量输出结果，其中所述稠密向量输出结果的向量维度为预设值；根据模型的稠密向量输出结果生成向量维度为所述预设值的身份特征稠密向量。由于能够将所获取的身份特征数据作为稠密向量相关模型的输入值，并最终根据模型的稠密向量输出结果生成身份特征稠密向量，从而克服了现有技术中，独热编码身份特征向量通常只有一个或少数几个维度的特征值不为0，在向量维度较多的情况下
向量稠密身份特征数据身份特征向量维度输出结果生成输出结果向量生成预设预先建立和运算热编码维度存储申请

[发明专利]一种表面缺陷检测方法和装置-CN202110292168.4在审
发明人：黄罗华;杨剑波;姜涌;杜亚玲 -专利权人：惠州高视科技有限公司
申请日： 2021-03-18 - 公布日： 2021-06-11 - 主分类号： G06T7/00 文献下载
摘要：该表面缺陷检测方法包括：获取待检测物体的图像；将待检测物体的图像输入至预先训练完成的缺陷检测模型，得到待检测物体的缺陷位置，其中预先训练的缺陷检测模型的网络结构包括特征提取网络和预测网络，特征提取网络包含多个相连的稠密连接模块，稠密连接模块包含输入层、多个中间层、输出层，稠密连接模块的输出层为下一个稠密连接模块的输入层，稠密连接模块的最后一个中间层与该稠密连接模块的输入层以及前向的稠密连接模块的输入层叠加后得到该稠密连接模块的输出层
一种表面缺陷检测方法装置

[发明专利]结构化稀疏参数的处理方法、装置、设备及存储介质-CN202011455260.X在审
发明人：石恒;王凤明;余辉 -专利权人：上海燧原科技有限公司
申请日： 2020-12-10 - 公布日： 2021-03-16 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种结构化稀疏参数的处理方法、装置、设备及存储介质，该方法包括：获取稠密参数；在神经网络模型的任意一个训练周期中：根据稠密参数确定掩码；根据掩码和稠密参数，计算稀疏参数；根据稀疏参数进行神经网络模型的前向计算以及反向梯度计算，反向梯度计算得到反向梯度；根据反向梯度更新稠密参数，以便在下一个训练周期中，根据更新的稠密参数确定掩码；以此类推，持续更新稠密参数，直至神经网络模型训练结束。能够随着神经网络模型的训练过程中稠密参数的更新，基于更新的稠密参数确定合适的掩码，进而确定更加合适的稀疏参数参与本周期的训练，提高神经网络模型的训练精度，优化神经网络模型训练效果。
结构稀疏参数处理方法装置设备存储介质

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 2911 条