“特征数据”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4660354个，建议您升级VIP下载更多相关专利

[发明专利]智慧农业下农事行为管理系统及其方法-CN202211626545.4在审
发明人：许怡欣;赵家伟 -专利权人：马鞍山格亚科技有限公司
申请日： 2022-12-16 - 公布日： 2023-03-31 - 主分类号： G06Q50/02 文献下载
摘要：本申请涉及智慧农业技术领域，其具体地公开了一种智慧农业下农事行为管理系统及其方法，其通过对象检测网络对农民作业监控视频中提取的关键帧进行感兴趣区域提取，以得到多个感兴趣区域，并选择以三维卷积神经网络作为特征提取器进行编码和特征提取，以提取农民动作特征图和农作物变化特征图，接着，计算所述农民动作特征图和所述农作物变化特征图之间的交互特征以得到分类特征矩阵，最后，将所述分类特征矩阵通过分类器就可以得到用于表示农事行为的分类标签，包括但不限于除草通过这样的方式，能够有效地拉开类间间距和缩小类内差异以提高农事行为标注的准确率，进而优化后续农事活动和数据分析。
智慧农业农事行为管理系统及其方法

[发明专利]用于路侧系统的3D目标检测方法、装置及电子设备-CN202211678466.8在审
发明人：关鹏飞 -专利权人：云控智行科技有限公司
申请日： 2022-12-26 - 公布日： 2023-03-31 - 主分类号： G06V20/56 文献下载
摘要：本申请公开了一种用于路侧系统的3D目标检测方法、装置及电子设备，其中所述方法包括，通过联合标定获取固定视野内固定机位的相机图像和激光雷达点云的映射关系；通过2D目标检测网络对所述相机图像进行特征提取生成第一特征图，将激光雷达点云的体素的特征向量与所述第一特征图中相应位置的特征向量拼接后生成拼接矩阵，使用多层VFE对拼接矩阵中的表示向量进行特征提取生成第二特征图，将所述第二特征图输入3D目标检测网络进行检测，并通过所述本申请技术方案在尽可能避免丢失关键信息的前提下，通过特征层融合降低了数据量，提高了运算速度。
用于系统目标检测方法装置电子设备

[发明专利]基于混合特征网络的卫星遥感影像云雪检测方法-CN202211560667.8在审
发明人：顾玲嘉;王钰涵;任瑞治 -专利权人：吉林大学
申请日： 2022-12-07 - 公布日： 2023-03-31 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于混合特征网络的卫星遥感影像云雪检测方法，属于卫星遥感图像处理与应用的技术领域。本发明的目的是解决卫星遥感影像中云雪共存的条件下云雪检测精度低，无法准确获取雪和云分布状态细节的问题。本发明采用卫星遥感影像作为数据源，使用GLCM、LBP和SEEDS的方法提取图像的浅层特征，通过深度特征提取网络提取图像的深度热图特征，随后将浅层特征与深度热图特征融合形成混合特征，同时将混合特征送入基于混合特征的云雪检测网络中训练和验证
基于混合特征网络卫星遥感影像检测方法

[发明专利]目标重识别网络的训练方法及装置、目标重识别方法-CN202110790452.4在审
发明人：廖星宇;何凌霄;程鹏;王林芳;梅涛 -专利权人：京东科技控股股份有限公司
申请日： 2021-07-13 - 公布日： 2023-02-03 - 主分类号： G06F18/24 文献下载
摘要：本发明提供一种目标重识别网络的训练方法、目标重识别方法、装置、存储介质及电子设备，用以解决基于浅层数据训练目标重识别网络时，目标重识别网络的性能不佳的问题。该目标重识别网络的训练方法包括：获取设定数量的样本图像并将其输入到孪生结构的第一特征编码网络和第二特征编码网络；基于第一特征编码网络输出的预测向量计算分类损失；以及基于第一特征编码网络输出的第一特征向量，和特征记忆存储器中存储的第二特征向量，计算成对余弦损失；基于所计算的分类损失和所计算的成对余弦损失，获得第一特征编码网络的调整参数；基于调整参数，通过指数移动平均的方式更新第二特征编码网络的参数；经过多次迭代得到所述目标重识别网络
目标识别网络训练方法装置

[发明专利]一种基于内容分析的智能匹配方法-CN202211254293.7在审
发明人：严峻;孟祥磊;侯颖;王莉 -专利权人：武汉佰思特信息科技有限公司
申请日： 2022-10-13 - 公布日： 2023-01-24 - 主分类号： G06V30/19 文献下载
摘要：本发明包括如下步骤：采集大量含有文本信息的照片或视频，构造数据集；利用训练集训练深度卷积神经网络；将待内容识别的文本信息拍摄图像发送至深度卷积神经网络；通过深度卷积神经网络得到文本的位置特征和多个幅度特征；将待内容识别的文本信息的多个幅度特征与文字幅度特征进行相似度计算；将幅度特征相似度得分从高到低排列；相似度最高的文本结合位置特征进行结果展示。本发明通过训练深度卷积网络来对图像进行文本位置特征和多个幅度特征识别，进行相似度计算，并获取相似度最高的文本结合位置特征进行展示，提高文本或者网络内容的匹配速率和准确度。
一种基于内容分析智能匹配方法

[发明专利]一种用于遥感影像语义生成的视觉特征增强方法-CN202211334267.5在审
发明人：夏鲁瑞;蔺崎辉;李森;陈雪旗;卢妍;张占月;王鹏 -专利权人：中国人民解放军战略支援部队航天工程大学
申请日： 2022-10-28 - 公布日： 2023-02-28 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种用于遥感影像语义生成的视觉特征增强方法，包括搭建视觉特征提取骨干网络和场景分类网络，其中，视觉特征提取骨干网络和场景分类网络的骨干网络的结构相同；获取遥感影像场景分类数据集对场景分类网络进行训练，并使用预设的损失函数得到待场景分类的损失值，当损失值小于预设的阈值时，将预设的场景分类网络的骨干网络的模型保存并将其权重加载到视觉特征提取骨干网络上；获取遥感影像，将遥感影像发送至更新后的视觉特征提取骨干网络得到不同尺度的输出特征，将不同尺度的输出特征在通道维度进行组合得到待解码特征；将待解码特征输入至预设的语言解码网络进行解码，生成遥感影像语义文本。
一种用于遥感影像语义生成视觉特征增强方法

[发明专利]多模态神经生物信号处理方法、装置、服务器及存储介质-CN202211481751.0在审
发明人：谢津;詹阳;马征 -专利权人：中国科学院深圳先进技术研究院
申请日： 2022-11-24 - 公布日： 2023-03-03 - 主分类号： G06F18/25 文献下载
摘要：本发明涉及数据处理技术领域，公开了一种多模态神经生物信号处理方法、装置、服务器及存储介质。其中，该方法包括：获取待处理的多模态神经生物信号，对多模态神经生物信号进行预处理；将预处理后的多模态神经生物信号输入至深度学习模型中，基于深度学习模型提取多模态神经生物信号中每种模态神经生物信号的深度特征；将多种深度特征输入至特征融合层进行特征融合，得到目标融合特征；将目标融合特征经由全连接层后输入至回归层，利用回归层对目标融合特征进行体征预测，生成生物体征预测结果。通过实施本技术方案，能够有效捕捉多种深度特征，无需人为设计或选取特征，同时实现了对于神经信号的生物表征的有效预测，提高了生物表征的预测准确度。
多模态神经生物信号处理方法装置服务器存储介质

[发明专利]一种终端适配性判断方法、装置、电子设备及存储介质-CN202211385809.1在审
发明人：程梦珍;殷依;段雯雯 -专利权人：中国电信股份有限公司
申请日： 2022-11-07 - 公布日： 2023-03-03 - 主分类号： H04N21/443 文献下载
摘要：本公开关于一种终端适配性判断方法、装置、电子设备及存储介质，包括：获取待检测终端的深度报文检测信息；将深度报文检测信息输入至预先训练得到的特征编码器中进行特征抽象处理，得到待检测特征向量，特征编码器由样本深度报文检测信息经过对比学习得到；计算待检测特征向量与目标特征向量之间的目标相似度，目标特征向量由目标深度报文检测信息经过特征编码器进行特征抽象处理及数据增强处理得到，目标深度报文检测信息为适配于软终端的用户终端的深度报文检测信息；在目标相似度小于预设阈值的情况下
一种终端适配性判断方法装置电子设备存储介质

[发明专利]基于脑网络特征和单导联特征的癫痫信号检测方法及装置-CN202211424261.7在审
发明人：康桂霞;王盈;包正峰 -专利权人：北京邮电大学
申请日： 2022-11-14 - 公布日： 2023-03-07 - 主分类号： A61B5/00 文献下载
摘要：本发明公开了一种基于脑网络特征和单导联特征的癫痫信号检测方法及装置，首先利用双分支结构的多尺度神经网络提取不同频域的单导联特征；然后利用基于皮尔逊相关性构建的时变脑网络提取脑网络时变特征，通过卷积层提取抽象高阶脑网络时变特征；再将抽象高阶脑网络时变特征和不同频域的单导联特征进行自适应特征融合，评估信号的致痫性。本发明不仅考虑了单通道SEEG数据的多尺度特征，而且通过脑功能网络获得了通道之间的相关性，使模型能够更全面地评估信号的致癫痫性，同时将交叉规范和自我规范被创新地应用于减少个体差异，本发明方法在检测癫痫信号的应用上表现出高准确率和高敏感度
基于网络特征单导联癫痫信号检测方法装置

[发明专利]一种图像文本匹配方法、设备及可读存储介质-CN202211391879.8在审
发明人：李红波;李文露;蒲晓 -专利权人：重庆邮电大学
申请日： 2022-11-08 - 公布日： 2023-03-07 - 主分类号： G06V10/74 文献下载
摘要：本发明公开了一种图像文本匹配方法、设备及可读存储介质，方法包括步骤：构建图像数据集和对应的文本库；提取每张图像的n个区域特征矩阵；构建词典并得到词向量；对每个单词添加词性特征得到词性向量；将词向量与词性向量进行融合得到单词特征向量；采用交叉注意力机制对单词特征向量与图像区域特征矩阵进行跨模态融合；计算得到相似度值；根据损失函数判断相似度计算的准确性，依次完成图像文本匹配的训练、验证和测试。本发明通过交叉注意力机制对单词特征向量与图像区域特征矩阵进行跨模态融合，计算文本特征和图像特征的相似性，提高了相似性计算精度，从而提高图文匹配结果的准确性。
一种图像文本匹配方法设备可读存储介质

[发明专利]一种基于双重度量特征融合的视频超分辨率重建方法-CN202211538504.X在审
发明人：宁贝佳;李懋;张延 -专利权人：西安电子科技大学
申请日： 2022-12-02 - 公布日： 2023-03-14 - 主分类号： G06T3/40 文献下载
摘要：本发明提供了一种基于双重度量特征融合的视频超分辨率重建方法，通过获取视频超分辨率的训练数据集对预先构建的视频超分辨率重建模型进行训练，训练好的模型可以对现有视频进行超分辨率重建。本发明在特征融合模块中利用余弦相似性度量与Tanimoto相似性度量，分别计算两相邻帧特征向量的夹角余弦及其距离，进而基于此双重度量来建立两相邻帧特征向量的相关性；以相关性作为不同通道的特征融合的权值，进行相邻帧的全局特征融合。本发明相比于现有技术，通过利用视频相邻帧的相关性，结合不同通道的全局特征进行特征融合，提升特征融合效果，进而使得重建的超分辨率图像更加真实。
一种基于双重度量特征融合视频分辨率重建方法

[发明专利]一种基于标签补全和重构映射的弱标签多标签分类方法-CN202210965817.7在审
发明人：高清维;罗俊;卢一相;孙冬;竺德;赵大卫;檀怡 -专利权人：安徽大学
申请日： 2022-08-12 - 公布日： 2022-10-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于标签补全和重构映射的弱标签多标签分类方法，首先建立实例特征信息矩阵和类别标签信息矩阵，形成多标签数据集；然后构建嵌入特征空间的标签特定特征矩阵；基于标签相关矩阵对缺失标签矩阵的信息进行补全；结合嵌入特征矩阵、标签特定特征矩阵、标签相关矩阵以及相对应的约束正则项构建相应的模型；分别对嵌入特征矩阵、标签特定特征矩阵和标签相关矩阵进行优化求解；将测试集作为预测模型的输入，输出预测标签矩阵；将预测标签矩阵与真实标签进行对比上述方法能够有效解决在建立模型时丢失实例特征信息的问题，并且将生成标签特定特征和后续训练分类模型两个阶段总结到一个框架下。
一种基于标签映射分类方法

[发明专利]一种基于深度学习的视频压缩存储方法-CN202310562652.3在审
发明人：童译 -专利权人：云车智途（重庆）科技有限公司
申请日： 2023-05-18 - 公布日： 2023-08-29 - 主分类号： H04N19/134 文献下载
摘要：将视频的任意一帧作为基准帧，提取基准帧图像特征后对提取的特征进行排序，得到基准帧特征序列；将基准帧的下一帧作为待对比帧，提取待对比帧图像特征后对提取的特征进行排序，得到待对比帧特征序列；将待对比帧特征序列与所述基准帧特征序列进行对比通过提取基准帧和待对比帧的图像特征，并进行排序，可以大幅度减少计算量和冗余数据，提高处理效率。
一种基于深度学习视频压缩存储方法

[发明专利]考虑突发事件特征的电动汽车充电负荷预测方法及装置-CN202310673236.0在审
发明人：解佗;张雨;冯雄;张靠社;张刚 -专利权人：西安理工大学
申请日： 2023-06-07 - 公布日： 2023-09-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了考虑突发事件特征的电动汽车充电负荷预测方法及装置，包括：对常规影响因素进行特征筛选，得到最优常规特征集；对考虑突发事件的特征进行筛选，得到考虑突发事件的最优特征集；建立考虑突发事件的电动汽车负荷预测模型，结合最优常规特征集、考虑突发事件的最优特征集及历史负荷数据对电动汽车充电负荷进行预测。通过构建常规影响因素特征集以及突发事件最优特征集，通过SSA‑BiGRU‑CNN神经网络模型进行预测，同时考虑由突发事件所引起的负荷变化，从而能够准确预测突发事件下的电动汽车负荷，积极响应突发事件带来的负荷波动
考虑突发事件特征电动汽车充电负荷预测方法装置

[发明专利]场景特征提取方法、装置、介质及电子设备-CN202310679375.4在审
发明人：黄学峰;付悦;邓诗弘;侯潇 -专利权人：北京字跳网络技术有限公司
申请日： 2023-06-08 - 公布日： 2023-09-05 - 主分类号： A63F13/52 文献下载
摘要：本公开涉及一种场景特征提取方法、装置、介质及电子设备，所述方法包括：获取目标环境中的各个环境对象，所述环境对象包含虚拟角色和所述目标环境中的物体；针对每一所述环境对象，确定所述环境对象对应的对象类型；根据所述环境对象的对象类型，采集所述环境对象的目标特征点的点云信息；根据所述目标特征点的点云信息，生成所述环境对象对应的特征表示。由此，可以使得对场景中的特征进行提取时，针对不同对象类型的环境对象可以基于其对应的方式进行特征提取，从而可以提高特征提取的准确性以及对环境对象之间的匹配度。基于点云信息的方式对描述周围环境的特征进行表示，可以有效降低特征表示对应的数据量，也能够对环境进行准确描述。
场景特征提取方法装置介质电子设备