“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]一种多尺度卷积与动态权重代价函数的烟尘目标分割方法-CN202010203743.4有效
发明人：刘辉;张俊鹏 -专利权人：昆明理工大学
申请日： 2020-03-20 - 公布日： 2022-12-23 - 主分类号： G06V10/26 文献下载
摘要：本发明公开一种多尺度卷积与动态权重代价函数的烟尘目标分割方法，属于图像处理技术领域。实现步骤为：根据工业摄像机拍摄的烟尘排放视频制作烟尘图像数据集并进行数据扩充；构建用于烟尘目标分割的多尺度卷积全卷积网络模型；使用烟尘图像训练集，结合动态权重代价函数对多尺度全卷积网络模型进行训练；使用生成的多尺度全卷积网络模型对烟尘测试集中的烟尘图像进行烟尘目标分割本发明与现有技术相比，通过多尺度卷积操作融合多个尺度的烟尘特征，解决了单一尺寸卷积核的特征提取能力有限的问题，通过结合动态权重的代价函数，解决了现有技术对难分类目标训练效率不高的问题。
一种尺度卷积动态权重代价函数烟尘目标分割方法

[发明专利]基于权重多样性正则化的行人重识别方法及其应用-CN202010790733.5有效
发明人：邓圣衡;王鹏飞;丁长兴;李弘洋;黄家荣;陈柏伶;郭思聪 -专利权人：华南理工大学
申请日： 2020-08-07 - 公布日： 2023-08-22 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于权重多样性正则化的行人重识别方法及其应用，该方法步骤包括：构建卷积神经网络并初始化卷积神经网络参数；图像预处理得到卷积神经网络的输入张量；采用交叉熵损失函数和三元组损失函数的同时采用权重多样性损失函数控制卷积神经网络中卷积层的权重互不相同，完成权重多样性正则化；卷积神经网络训练，提取图像中行人不同的局部特征，对每一个行人的局部特征级联成为卷积神经网络输出的特征向量，将提取到的所有行人特征向量进行距离度量，完成行人重识别。
基于权重多样性正则行人识别方法及其应用

[发明专利]基于DS结构的CNN模型压缩方法、装置及存储介质-CN202010061142.4在审
发明人：朱锦祥;单以磊;臧磊 -专利权人：平安科技（深圳）有限公司
申请日： 2020-01-19 - 公布日： 2020-06-05 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及神经网络技术领域，提出一种基于DS结构的CNN模型压缩方法、装置及存储介质，其中的方法包括：S110、通过普通卷积和批标准化BN运算，将DW卷积和SE Module形成DS卷积块；其中，DS卷积块包括：卷积Conv_1、批标准化BN、激活函数、DW卷积、批标准化BN、激活函数、SE Module、卷积Conv_2和批标准化BN；S120、将DS卷积块有序堆叠形成神经网络结构；S130、在神经网络结构上加入输入层本发明通过在神经网络中应用DS卷积块结构，在保证图片特征提取能力的同时，大大减少了神经网络的参数数量。
基于 ds 结构 cnn 模型压缩方法装置存储介质

[发明专利]用于影像学肺炎判别的仿生模式识别改进方法-CN201910306790.9有效
发明人：邹倩颖;吴宝永;王小芳 -专利权人：电子科技大学成都学院
申请日： 2019-04-17 - 公布日： 2020-11-17 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了用于影像学肺炎判别的仿生模式识别改进方法，包括健康X光片、病毒型肺炎X光片和细菌型肺炎X光片，将三类X光片图像归一化为同样大小的实验图像；将健康X光片图像归一化后的实验图像I输入卷积神经网络中提取图像特征向量，卷积神经网络包括卷积层、池化层和全连接层，所述图像特征向量的提取方法包括：步骤A：实验图像I与一个卷积核进行卷积，其结果经过激活函数后输出形成卷积层的特征图01；特征图01与下个卷积核进行卷积，其结果经过激活函数后输出形成卷积层的特征图
用于影像肺炎别的仿生模式识别改进方法

[发明专利]一种工业机器人快速视觉定位方法-CN202210791190.8有效
发明人：闫明正;田新诚;闫新兴;甄守乐;付黎伟 -专利权人：诺伯特智能装备（山东）有限公司
申请日： 2022-07-07 - 公布日： 2022-09-02 - 主分类号： G06T7/73 文献下载
摘要：本发明公开了一种工业机器人快速视觉定位方法，属于智能定位技术领域；包括以下步骤：获取需要定位的物品数据集，并构建卷积神经网络；基于综合损失函数，并采用数据集对构建的卷积神经网络进行训练，直至综合损失函数收敛，获取训练好的卷积神经网络；根据多个网络拟合准确程度拟合出准确性曲线；根据准确性曲线的斜率获取最佳的含无用特征的卷积分组数目；将最佳的含无用特征的卷积分组数目对应的卷积核进行剪枝去除，获取小参数卷积神经网络；本发明通过将含有无用特征的卷积层对应的卷积核网络参数进行剪枝处理获取的小参数量网络，提高工业机器人的视觉定位速度。
一种工业机器人快速视觉定位方法

[发明专利]基于深度可分离卷积的轻量级脑肿瘤分割方法-CN202011532319.0在审
发明人：赵奕名;李锵;关欣 -专利权人：天津大学
申请日： 2020-12-22 - 公布日： 2021-04-20 - 主分类号： G06T7/11 文献下载
摘要：本发明提供一种基于深度可分离卷积的轻量级脑肿瘤分割方法，包括下列步骤：脑肿瘤MRI预处理；构建和训练深度卷积网络，先对3D U‑Net进行修改，将该网络中的卷积替换为深度可分离卷积，使用改进的加权损失函数在提高分割准确性的同时加快模型收敛速度，方法如下：构建改进型的3D U‑Net；设计加权混合损失函数并对网络进行训练；对分割结果进行后处理。
基于深度可分离卷积轻量级肿瘤分割方法

[发明专利]一种确定剪枝阈值的方法及装置、模型剪枝方法及装置-CN201810488059.8在审
发明人：高岩;于治楼;姜凯;段成德;李朋 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2018-05-21 - 公布日： 2018-08-17 - 主分类号： G06F19/00 文献下载
摘要：本发明提供了一种确定剪枝阈值的方法及装置、模型剪枝方法及装置，确定剪枝阈值的方法包括：针对预设模型的当前卷积层，确定与所述当前卷积层的卷积核组合所对应的至少一个卷积核索引位置，其中，所述当前卷积层为所述预设模型的任一卷积层；根据每一个所述卷积核索引位置上的权重值，得到累积分布函数；以预设的模型压缩率作为因变量代入所述累积分布函数，并将所得数值确定为所述当前卷积层的剪枝阈值。
剪枝卷积卷积核预设累积分布函数索引位置权重模型压缩数值确定因变量优化

[发明专利]一种用于光谱分辨增强的逆矩阵迭代反卷积方法-CN201910396340.3有效
发明人：姚志湘;姚桔;粟晖;刘柳 -专利权人：广西科技大学
申请日： 2019-05-14 - 公布日： 2023-03-31 - 主分类号： G06F17/15 文献下载
摘要：本发明公开了一种用于光谱分辨增强的逆矩阵迭代反卷积方法，包括如下步骤：步骤一、序列卷积和卷积方阵；步骤二、卷积方阵累积乘与卷积核函数峰展宽；步骤三、峰分辨增强。本发明通过原始函数与反卷积矩阵乘，可实现峰宽收窄目的，更进一步的，提出了反卷积单位矩阵构造方法，从而实现预期精度的反卷积计算效果，计算过程快速、可控，结果稳定、准确，适用范围广，可用于拉曼、红外等分子光谱
一种用于光谱分辨增强矩阵迭代反卷积方法

[发明专利]一种源信号的确定方法及系统-CN201911368800.8有效
发明人：李卫民;徐高峰;刘国平;刘国;李邦超 -专利权人：山东中科先进技术有限公司;中国科学院深圳先进技术研究院
申请日： 2019-12-26 - 公布日： 2023-06-30 - 主分类号： G06F18/213 文献下载
摘要：该方法包括获取卷积盲信号的观测信号；对观测信号进行采样，确定初始粒子集；根据初始粒子集，采用无先导卡尔曼粒子滤波算法，得到更新后的粒子集；根据更新后的粒子集确定粒子风险函数；根据粒子风险函数确定粒子风险的权重映射函数；根据更新后的粒子集和权重映射函数确定粒子代价函数；根据权重映射函数和粒子代价函数，采用最小二乘法拟合，得到提取向量的预测值；根据提取向量的预测值，采用加权最小二乘法，得到提取向量的确定值；根据提取向量的确定值和卷积盲信号的观测信号确定源信号上述方法及系统解决现有技术中提取卷积盲信号的效率低，而造成源信号确定准确率低的问题。
一种信号确定方法系统

[发明专利]基于卷积神经网络对家庭能量分解的预测方法-CN202010666433.6在审
发明人：郭子健;李晶晶;朱海;陈宗伟;胡国平;何平 -专利权人：清华四川能源互联网研究院
申请日： 2020-07-13 - 公布日： 2020-08-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明的实施例提供了一种基于卷积神经网络对家庭能量分解的预测方法，涉及家庭能量分解预测技术领域。该预测方法包括：构建面向负荷分解的卷积神经网络，卷积神经网络包括连接的特征提取层和高层；训练卷积神经网络，对于每一个神经元通过激活函数进行卷积与池化；多样本处理批量标准化；对于负荷分解的深度网络损失函数进行优化，并用损失函数来度量拟合的程度；通过Dropout技术防止机器学习模型的过拟合；进行序列到序列、序列到点的负荷分解预测；基于迁移学习进行负荷分解。
基于卷积神经网络家庭能量分解预测方法

[发明专利]一种提升卷积神经网络泛化能力的方法及装置-CN201611261398.X在审
发明人：乔宇;张潇 -专利权人：中国科学院深圳先进技术研究院
申请日： 2016-12-30 - 公布日： 2017-05-17 - 主分类号： G06N3/08 文献下载
摘要：本发明属于神经网络技术领域，提供了一种提升卷积神经网络泛化能力的方法及装置，所述方法包括：从训练集中读取一组图像，将所述一组图像映射为多个图像特征向量，并按照图像的类别将图像特征向量分为多个类；根据每个类内的图像特征向量计算整体的类内损失函数；根据每个类内的图像特征向量计算整体的类间损失函数；根据整体的类内损失函数利用反向传播算法更新卷积神经网络中各节点的权值；根据整体的类间损失函数利用反向传播算法更新卷积神经网络中各节点的权值；循环执行上述步骤，直到所述卷积神经网络在所述训练集上收敛或者达到预定的循环次数。通过本发明可保留具有长尾分布的所有数据，充分利用尾部数据丰富的类间信息，提升卷积神经网络模型的泛化能力。
一种提升卷积神经网络泛化能力方法装置

[发明专利]一种用于数字滤波器求取光谱导数的方法-CN202010323253.8在审
发明人：姚志湘;粟晖 -专利权人：广西科技大学
申请日： 2020-04-22 - 公布日： 2020-08-04 - 主分类号： H03H17/02 文献下载
摘要：本发明提供一种用于数字滤波器求取光谱导数的方法，包括步骤1，选取待求导光谱Sp；步骤2，构造卷积传递函数H；步骤3，求取光谱Sp的导数；卷积传递函数H通过以下步骤得到的：设计平滑滤波器的传递函数PF，对PF进行傅里叶逆变换得到数组H0，由数组H0得到卷积传递函数H；所述求取光谱Sp的导数包括直接计算H与光谱数据Sp卷积，经过选择性切除后得到的0阶结果；和用H差分替代求导，获得各阶差分结果，计算其与Sp的卷积，经过选择性切除后得到Sp的n阶导数结果。
一种用于数字滤波器求取光谱导数方法

[发明专利]卷积神经网络的训练方法、人脸识别方法及装置-CN202110717278.0在审
发明人：任雁飞;李文利;李华;杜青 -专利权人：中国工商银行股份有限公司
申请日： 2021-06-28 - 公布日： 2021-09-28 - 主分类号： G06N3/04 文献下载
摘要：本发明提供涉及一种卷积神经网络的训练方法、人脸识别方法及装置，涉及人脸识别技术以及金融领域。所述卷积神经网络的训练方法包括：将样本图片输入待训练卷积神经网络，以得到所述待训练卷积神经网络输出的所述样本图片的特征向量以及所述特征向量的第一特征分布；通过基于余弦距离的损失函数与具有第一约束条件和第二约束条件的双环损失函数组成的联合损失函数对所述特征向量进行约束，得到所述特征向量的第二特征分布；根据所述第一特征分布与所述第二特征分布的误差对所述卷积神经网络的网络参数进行调整。本申请通过应用双环损失函数，对特征分布图分类中心附近的特征向量施加离心力，将其推离分类中心附近，以此增强判别能力。
卷积神经网络训练方法识别装置

[发明专利]一种基于自相关峭度最大化的解卷积方法-CN201710610451.0有效
发明人：王琇峰;和丹 -专利权人：苏州微著设备诊断技术有限公司
申请日： 2017-07-25 - 公布日： 2020-01-10 - 主分类号： G01H17/00 文献下载
摘要：本发明为一种基于自相关峭度最大化的解卷积方法，步骤为：获得解卷积的输入信号；设计频域插值滤波器，初始化滤波器系数，获得初始化的输出信号；构造包含约束的自相关峭度函数为目标函数；将初始化的输出信号作为目标函数的输入，根据目标函数最大化准则，使用目标优化算法，求解频率插值滤波器系数；根据得到的频域插值滤波器系数，使用设计的频域差值滤波器对输入信号滤波，得到解卷积后的输出信号。本发明适用于提取强背景噪声环境下的周期性冲击信号，与传统的最小熵解卷积和最大相关峭度解卷积方法相比，本发明具有抗随机冲击干扰，不需要已知冲击周期等优点，有利于周期性冲击的自动化提取，可在机械故障诊断中推广使用
解卷积插值滤波器输出信号初始化频域峭度目标函数自相关目标函数最大化背景噪声环境机械故障诊断输入信号滤波差值滤波器滤波器系数冲击信号冲击周期目标优化随机冲击最大相关传统的最大化最小熵求解算法自动化应用

[发明专利]骨龄预测方法、装置、介质及电子设备-CN201910709174.8有效
发明人：王健宗;高良心 -专利权人：平安科技（深圳）有限公司
申请日： 2019-08-01 - 公布日： 2022-08-23 - 主分类号： G16H50/30 文献下载
摘要：该方法包括：获取待预测的手骨数据；确定所述待预测的手骨数据的性别；按照所述性别，将所述待预测的手骨数据输入至对应性别的卷积神经网络模型，得到由所述卷积神经网络模型输出的预测骨龄，其中，所述卷积神经网络模型预先基于三元组损失函数和回归损失函数训练得到此方法下，通过利用基于三元组损失函数和回归损失函数训练得到的卷积神经网络模型来进行骨龄预测，提高了骨龄预测效率，降低了骨龄预测成本，提升了骨龄预测的准确率。此外，通过利用特定性别的卷积神经网络模型专门进行相应性别的手骨数据的预测，进一步提高了骨龄预测的准确率。
预测方法装置介质电子设备

首页
«上一页
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
下一页»
尾页
共 100000 条