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470794个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于无监督适应的胃癌病理图像分割方法-CN202310686511.2在审
  • 李庆利;周惠惠;王妍 - 华东师范大学
  • 2023-06-09 - 2023-09-12 - G06T7/136
  • 本发明公开了一种基于无监督适应的胃癌病理图像分割方法,包括以下步骤:获取胃癌病理的源图像和目标图像,并构建图像数据集和目标图像数据集;对所述源图像数据集进行判断,并基于所述源图像数据集进行预训练,获取分割网络的预训练模型;基于所述分割网络的预训练模型构建第二mean‑teacher训练模型,实现基于所述第二mean‑teacher训练模型的无监督适应分割训练,获取训练好的分割网络模型;采用所述训练好的分割网络模型对所述目标图像进行预测,获取所述目标图像数据集的像素级标注,实现基于无监督适应的胃癌病理图像分割。
  • 一种基于监督适应胃癌病理图像分割方法
  • [发明专利]适应Faster R-CNN半监督SAR检测方法-CN202011046498.7有效
  • 杜兰;廖磊瑶;陈健 - 西安电子科技大学
  • 2020-09-29 - 2023-05-02 - G06V20/10
  • 本发明公开了一种基于适应Faster R‑CNN半监督SAR检测方法,解决了少量标记图像下SAR目标检测性能下降的问题。实现步骤:获取含标签的源和少量标签的目标数据;利用源数据训练原始Faster R‑CNN;构建适应Faster R‑CNN并初始化,利用源和目标数据进行训练,得到训练好的模型;将目标测试数据输入训练好的模型本发明构建适应Faster R‑CNN,增设适应和解码器模块,用含光学遥感图像辅助SAR目标检测,降低了对含标签SAR图像的依赖性,并通过解码器模块学习目标数据全局信息,进一步提升检测性能。
  • 适应fastercnn监督sar检测方法
  • [发明专利]基于多层自适应学习的磁盘故障预测方法及系统-CN202310420161.5在审
  • 高广福;陈月辉;吴鹏 - 济南大学
  • 2023-04-14 - 2023-07-21 - G06F11/22
  • 本公开涉及磁盘故障预测技术领域,提出了一种基于多层自适应学习的磁盘故障预测方法及系统,包括如下步骤:构建的故障预测模型包括多层的特征提取网络,针对源和目标的磁盘数据提取特征;采用多层自适应学习,对从源和目标提取到的每一层的特征进行学习,将最大均值差异和相关对齐作为度量损失,最小化源与目标之间的差异,对齐两个,提取两个不变特征;将提取的不变特征对构建的故障预测模型进行训练,基于得到的训练模型对磁盘故障进行识别本公开将更多的不变特征迁移至目标域中,实现领域不变跨迁移和复用,提升对故障数量少的磁盘模型的预测性能,提高了磁盘故障预测的准确度。
  • 基于多层自适应学习磁盘故障预测方法系统
  • [发明专利]一种基于概念隐喻理论的隐喻生成方法及系统-CN202310168330.0在审
  • 马任 - 华院计算技术(上海)股份有限公司
  • 2023-02-24 - 2023-06-06 - G06F16/33
  • 本发明提供一种基于概念隐喻理论的隐喻生成方法及系统,涉及自然语言处理技术领域,包括:采集文本构建隐喻生成语料库,包括成对存在的隐喻句和非隐喻句;获取隐喻词和平替词的义原,分别作为源和目标构建‑目标映射表;以各非隐喻句为基础,结合源‑目标映射表构造隐喻模型的输入,将对应的隐喻句作为输出,训练并获得隐喻模型;对非隐喻句获取其动词的义原得到目标;基于源‑目标映射表,得到该目标的所有映射,根据概率标签抽样得到一个目标‑源映射关系;基于该非隐喻句及该目标‑源映射关系构造隐喻模型的输入,输入隐喻模型,生成动词性隐喻句。
  • 一种基于概念隐喻理论生成方法系统
  • [发明专利]图像分割网络的训练方法、分割方法、装置和存储介质-CN202010271612.X有效
  • 柳露艳;马锴;郑冶枫 - 腾讯科技(深圳)有限公司
  • 2020-04-09 - 2020-08-11 - G06T7/11
  • 本申请实施例公开了一种图像分割网络的训练方法、分割方法、装置和存储介质;本申请实施例可以获取目标图像、以及已标注信息的源图像;采用生成对抗网络中的生成网络分别对源图像和目标图像进行分割,得到源分割结果和目标分割结果;采用生成对抗网络中的对抗网络对目标分割结果和源分割结果进行判别,得到判别结果;根据目标分割结果,获取目标图像的信息熵,并根据信息熵以及目标分割结果、源分割结果构建对抗损失;根据目标分割结果、源分割结果和标签信息,构建分割损失;根据对抗损失、分割损失和判别结果,对生成对抗网络进行迭代训练,得到训练后的生成对抗网络。
  • 图像分割网络训练方法装置存储介质
  • [发明专利]基于深度对抗卷积神经网络的旋转机械新故障诊断方法-CN202111470695.6在审
  • 陈祝云;李巍华;王汝艮;夏景演;何琛 - 华南理工大学
  • 2021-12-03 - 2022-04-15 - G06K9/62
  • 本发明公开了基于深度对抗卷积神经网络的旋转机械新故障诊断方法,包括步骤:构建样本数据集和目标样本数据集;构建用于识别已知故障以及新故障的深度对抗卷积神经网络,包括特征提取器G,标签分类器CF,领域判别器D,非对抗领域判别器;在训练阶段,通过特征提取模块将源与目标数据映射到高维特征空间中,获取数据特征分布;设计一种加权判别机制,评估目标样本数据与源数据的相似程度,判别数据的可迁移性;将目标测试数据输入到训练好的网络中测试,通过计算所得权重值判别数据是否属于新故障类别,输出最终的分类诊断结果。通过加权对抗训练和目标测试样本权重阈值选取,使得构建的网络适用于变工况下的已知故障和新故障检测。
  • 基于深度对抗卷积神经网络旋转机械故障诊断方法

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