“多尺度特征”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3479280个，建议您升级VIP下载更多相关专利

[发明专利]基于多尺度特征融合的无参考图像质量评价方法-CN202211554537.3在审
发明人：牛玉贞;赖宇;许瑞 -专利权人：福州大学
申请日： 2022-12-05 - 公布日： 2023-05-16 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及基于多尺度特征融合的无参考图像质量评价方法，包括以下步骤：步骤S1：将失真图像数据集中的数据进行数据预处理；步骤S2：设计多尺度特征融合模块；步骤S3：设计通道注意力模块；步骤S4：设计基于多尺度特征融合的无参考图像质量评分预测网络，使用所设计的网络训练基于多尺度特征融合的无参考图像质量评分预测网络模型；步骤S5：将图像输入到训练好的基于多尺度特征融合的无参考图像质量评分预测网络模型中，输出对应的图像质量评分分数。该算法能有效的融合多尺度图像的特征，且不用对原图做裁切或改变其原始比例，并进行图像质量评分分数预测，提高无参考图像质量评估算法的性能。
基于尺度特征融合参考图像质量评价方法

[发明专利]基于多模态和多尺度亲和关系的点云弱监督语义分割方法-CN202310175984.6在审
发明人：张晶;李夏薇;许清源 -专利权人：北京航空航天大学
申请日： 2023-02-28 - 公布日： 2023-05-09 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于多模态和多尺度亲和关系的点云弱监督语义分割方法，包括：获取场景级点云数据；构建语义分割网络架构；所述语义分割网络具有两个支路和一个亲和关系增强模块；两个支路分别提取场景级点云数据的多尺度空间特征和多尺度颜色纹理特征；亲和力关系增强模块对多尺度下的空间特征和颜色纹理特征进行拼接，并构造亲和力关系矩阵；语义分割模块分别根据多尺度下的空间特征和颜色纹理特征进行语义分割预测，并利用亲和力关系矩阵对预测结果进行优化。本发明通过考虑不同尺度物体的亲和关系，以及点云不同模态信息，可辨别空间或颜色纹理易混淆的对象。
基于多模态尺度亲和关系点云弱监督语义分割方法

[发明专利]一种基于动态多尺度卷积神经网络的心电图分类方法-CN202011573160.7有效
发明人：马千里;郑镇境 -专利权人：华南理工大学
申请日： 2020-12-25 - 公布日： 2023-06-20 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于动态多尺度卷积神经网络的心电图分类方法，包括以下步骤：获取心电图数据集并进行预处理得到心电图时间序列；根据心电图时间序列和随机初始化的卷积核生成一组变长卷积核；将心电图时间序列输入到使用变长卷积核的卷积层，从而获取多尺度时序特征；将获得的多尺度时序特征输入到max‑over‑time池化层选择得到最具判别性特征；将最具判别性特征输入到分类层获得最终分类结果，构成动态多尺度卷积神经网络；使用交叉熵损失函数训练构建的动态多尺度卷积神经网络动态多尺度卷积神经网络能够通过数据来学习卷积核的长度而不需要依靠先验知识，同时它可以为每个心电图时间序列学习样本特定的多尺度时序特征。
一种基于动态尺度卷积神经网络心电图分类方法

[发明专利]一种多尺度旋转船舶目标检测算法-CN202010528579.4有效
发明人：刘建辉;江刚武;王鑫;张锐;徐佰祺;谭熊 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2020-06-11 - 公布日： 2022-10-04 - 主分类号： G06V10/80 文献下载
摘要：本发明提供一种多尺度旋转船舶目标检测算法。该算法包括：获取输入图像的多尺度特征图，多尺度特征图包括尺度依次递增的第一类尺度特征图、第二类尺度特征图和第三类尺度特征图；采用特征金字塔网络对多尺度特征图进行特征融合，所述特征金字塔网络采用ResNet残差网络作为基本构架；将特征金字塔网络输出的特征图通过3×3卷积层输入至区域建议网络，采用所述区域建议网络按照设定的分类判定条件对每个锚框进行分类，并对每个锚框赋予参数坐标，基于参数坐标回归得到旋转边界框；对区域建议网络生成的旋转边界框进行自适应兴趣区域对齐，得到高质量特征图；按照设定的旋转非极大值抑制约束条件对所述高质量特征图的候选框进行筛选，得到检测目标。
一种尺度旋转船舶目标检测算法

[发明专利]基于深度学习的遥感图像目标检测方法、装置、及存储介质-CN201910667981.8有效
发明人：刘京;田亮;郭蔚;杨烁今 -专利权人：河北师范大学
申请日： 2019-07-23 - 公布日： 2022-02-11 - 主分类号： G06V20/13 文献下载
摘要：本发明适用于图像处理技术领域，提供了一种基于深度学习的遥感图像目标检测方法，包括：获取待检测的遥感图像，并对所述遥感图像进行预处理；利用预设的多尺度特征提取网络，对预处理后的遥感图像进行多尺度特征提取，得到每个图像尺度对应的特征图像；利用预设的多尺度区域预测网络，分别对每个图像尺度对应的特征图像进行候选区域的预测，得到每个图像尺度对应的候选框标记图像；利用预设的多尺度信息融合网络，将各个图像尺度对应的候选框标记图像进行融合，得到预设图像尺度的检测结果图。
基于深度学习遥感图像目标检测方法装置存储介质

[发明专利]目标先验信息指导的多尺度加权融合目标检测方法及系统-CN202210112397.8在审
发明人：陈飞;李宜剑;王波;赵文新 -专利权人：福州大学;福建医科大学附属协和医院
申请日： 2022-01-29 - 公布日： 2022-05-06 - 主分类号： G06V10/80 文献下载
摘要：本发明涉及一种目标先验信息指导的多尺度加权融合目标检测方法及系统，该方法包括以下步骤：首先使用卷积神经网络进行特征提取，然后对目标尺寸、颜色及形状角度先验信息进行基于尺度大小的聚类，使用聚类结果得到的权重来指导多尺度特征的加权融合，使得多尺度检测在目标具有多种形态、大小的场景下能够更有针对性地学习目标尺度的分布；其次在多尺度动态加权融合之后，引入尺度特征贡献度微调来进一步学习多尺度特征图的贡献度，并使用先验信息权重引导初始化；最后将多尺度输出传入分类与回归两个子网络进行目标物体的定位与分类该方法及系统可以有效地利用目标的先验信息解决目标尺度不均衡问题，提高目标检测的准确性。
目标先验信息指导尺度加权融合检测方法系统

[发明专利]基于深度学习的点云数据分类方法-CN201910454307.1有效
发明人：白静;徐浩钧 -专利权人：北方民族大学
申请日： 2019-05-29 - 公布日： 2021-02-09 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于深度学习的点云数据分类方法，该方法提出一种多尺度点云分类网络，首先，基于局部区域划分的完备性、自适应性、重叠性及多尺度特性要求，提出了多尺度局部区域划分算法，并以点云及不同层次的特征为输入，得到多尺度局部区域。然后构建了包含单尺度特征提取、低层次特征聚合及多尺度特征融合等模块的多尺度点云分类网络。该网络充分模拟了卷积神经网络的作用原理，具备随着网络尺度和深度的增加，局部感受野越来越大，特征抽象程度越来越高的基本特征。
基于深度学习数据分类方法

[发明专利]一种智能多视图立体匹配方法及装置-CN202210919810.1在审
发明人：雷建军;朱杰;彭勃 -专利权人：天津大学
申请日： 2022-08-01 - 公布日： 2022-10-21 - 主分类号： G06V10/75 文献下载
摘要：本发明公开了一种智能多视图立体匹配方法及装置，方法包括：构建全局上下文Transformer模块，用于探索视图内最小尺度的参考视图特征和源视图特征之间的全局上下文关系；构建基于极线几何的三维感知Transformer模块，挖掘全局感知的参考视图特征与全局感知的源视图特征之间的三维一致性信息；用可微分变形操作将大尺度特征、三维一致的特征映射至参考视图的多个前向平面，以得到映射后的多尺度源视图特征，对多尺度源视图特征进行组级相关运算得到多尺度的匹配代价体；构建多尺度的代价正则化模块实现匹配代价体到参考视图深度图间的映射；使用L1损失函数约束多尺度深度图与真实深度图之间的差异以实现网络的训练。
一种智能视图立体匹配方法装置

[发明专利]基于神经网络的多尺度融合的发音评测模型优化方法-CN202210772121.2在审
发明人：张句;贡诚;王宇光;关昊天 -专利权人：苏州智言信息科技有限公司
申请日： 2022-06-30 - 公布日： 2022-10-25 - 主分类号： G10L25/30 文献下载
摘要：本发明是语音发音评测领域，具体涉及基于神经网络的多尺度融合的发音评测模型优化方法，利用神经网络和多尺度融合技术对发音评测系统进行优化。主要包括:声学模型模型设计与选取、基于神经网络的GOP分数的计算、多尺度卷积神经网络的构造以及基于注意力机制的多特征融合，最后语音评测。考虑韵律信息的全局性和局部性，采用不同尺度的CNN网络，对不同粒度的韵律相关的发音特征进行了挖掘。采取注意力机制模型对不同尺度的发音特征和后验概率相关的特征进行融合，实现多尺度融合的发音特征。
基于神经网络尺度融合发音评测模型优化方法

[发明专利]一种基于多尺度局部特征嵌入的点云分类方法-CN201910491537.5在审
发明人：黄荣;叶真;徐聿升;潘玥;顾振雄 -专利权人：上海黑塞智能科技有限公司
申请日： 2019-06-06 - 公布日： 2019-09-06 - 主分类号： G06K9/46 文献下载
摘要：本发明涉及一种基于多尺度局部特征嵌入的点云分类方法，该方法包括以下步骤：步骤1：对原始点云按照预先构造的几何特征进行特征提取，获得原始点云相关特征提取数据；步骤2：将原始点云相关特征提取数据按照设置的邻域尺度经不同邻域特征计算后连接形成用以表示三维点云几何形状的多尺度特征向量；步骤3：将多尺度特征向量进行不同特征维度空间嵌入，获取经过空间嵌入的多尺度特征向量；步骤4：将经过空间嵌入的多尺度特征向量作为输入经分类器得到点云分类结果。与现有技术相比，本发明具有有效避免由于几何物体空间尺寸差异所产生的特征不全面以及观测遮挡等问题的影响，有效避免冗余信息的影响，具有极佳的效率和有效性。
点云多尺度特征嵌入的向量多尺度局部特征特征提取数据尺寸差异分类结果几何特征几何物体邻域特征冗余信息三维点云特征提取特征维度分类器分类邻域遮挡嵌入尺度观测

[发明专利]一种基于多尺度特征解码的图像轮廓检测方法-CN201810575641.8有效
发明人：范影乐;张明琦;武薇;蒋涯 -专利权人：杭州电子科技大学
申请日： 2018-06-06 - 公布日： 2022-05-27 - 主分类号： G06T7/10 文献下载
摘要：本发明涉及一种基于多尺度特征解码的图像轮廓检测方法。针对传统检测方法对轮廓细节检测的不精确问题，构造一种多尺度特征解码模型，以提高轮廓定位的准确性，并实现轮廓像素点的精细化。首先构建特征提取模块提取图像多尺度特征，该模块由四组基本单元串联构成，每组基本单元包括两个卷积层和一个下采样层的串联结构，因此特征提取模块可以提取四个不同尺度的特征信息。然后搭建多尺度特征解码模块，通过逐步融合相邻特征层之间的信息来挖掘各个尺度特征之间的差异和联系，从而达到精确定位图像轮廓的目的。
一种基于尺度特征解码图像轮廓检测方法

[发明专利]基于尺度分离的海洋遥感图像语义分割方法及系统-CN202310558510.X有效
发明人：聂婕;姜彦如;郑程予;王昭鑫;江毅;梁馨月;魏志强 -专利权人：中国海洋大学
申请日： 2023-05-18 - 公布日： 2023-07-21 - 主分类号： G06V20/70 文献下载
摘要：本发明属于图像处理技术领域，公开了基于尺度分离的海洋遥感图像语义分割方法及系统，所述系统包括输入模块、多流图像切块序列化模块、尺度分离的语义聚类模块、两阶段多流语义解耦的Transformer模块、和多视角特征融合解码模块，通过尺度分离的语义聚类模块将基于尺度分离的特征信息通过聚类方法将像素划分为不同语义簇，两阶段多流语义解耦的Transformer模块通过计算尺度信息丰富的语义特征与原始图像特征之间的相似度来挖掘尺度语义信息丰富的注意力特征，最后通过多视角特征融合模块，从不同视角将特征融合获得语义分割结果。
基于尺度分离海洋遥感图像语义分割方法系统

[发明专利]一种多尺度特征融合的语义分割方法、设备及存储介质-CN202210915924.9在审
发明人：梁兴柱;李厚国 -专利权人：安徽理工大学环境友好材料与职业健康研究院（芜湖）;安徽理工大学
申请日： 2022-08-01 - 公布日： 2022-11-01 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种多尺度特征融合的语义分割方法、设备及存储介质，涉及计算机视觉领域，输入多尺度图像，通过特征提取模块提取多尺度图像特征；将提取的多尺度图像特征输入到注意力模块中去，调整权重，增强关键点的表现力；在编码器上的特征经过加强后传入到空洞空间金字塔池化和带状池化并联的模块中去，提取特征上下文信息；将在编码器部分提取的上下文信息与在解码器部分加强的特征信息相融合，从而对关键信息有着更好的增强，从而能够实现提升多尺度特征融合的效果的功能
一种尺度特征融合语义分割方法设备存储介质

[发明专利]基于注意力多尺度特征融合的遥感图像语义分割方法-CN201911098961.X在审
发明人：周勇;何欣;赵佳琦;夏士雄;张迪;姚睿;刘兵;杜文亮 -专利权人：中国矿业大学
申请日： 2019-11-12 - 公布日： 2020-05-08 - 主分类号： G06T7/13 文献下载
摘要：本发明公开了一种基于注意力多尺度特征融合的遥感图像语义分割方法，通过搭建基于注意力多尺度特征融合的语义分割网络，构建训练数据集，采用所述训练数据集进行网络参数训练。其中引入了图像级联网络的思想，同时利用注意力机制优化编码特征与解码特征，构造出多尺度注意力优化模块、多尺度特征融合模块、边界增强模块，提取和融合不同尺度的特征图，并使用多尺度的语义标签和边界标签指导训练
基于注意力尺度特征融合遥感图像语义分割方法

[发明专利]基于多尺度对比特征的对象检测设备和方法-CN201010004771.X有效
发明人：楚汝峰;陈茂林;林华书 -专利权人：三星电子株式会社;北京三星通信技术研究有限公司
申请日： 2010-01-20 - 公布日： 2011-07-20 - 主分类号： G06K9/66 文献下载
摘要：提供一种基于多尺度对比特征的对象检测设备和方法。所述对象检测设备包括：输入单元，用于输入被检测图像；基于多尺度对比特征的学习机，用于对关于所述对象的训练样本进行多尺度对比特征提取，并对提取的特征应用统计学习处理；分类器加载单元，用于根据所述基于多尺度对比特征的学习机的统计学习处理结果来构建分类器；检测单元，用于利用由分类器加载单元构建的分类器对由输入单元输入的被检测图像进行对象检测，其中，所述多尺度对比特征用于指示图像中多个相关矩形区域之间在不同尺度下关于特定图像属性的对比关系。
基于尺度对比特征对象检测设备方法