“训练步骤”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2135533个，建议您升级VIP下载更多相关专利

[发明专利]一种高效同步的并行组合扩频系统发射与接收方法-CN201510058985.8有效
发明人：李北明;郭黎利;孙志国;姜晓菲;王俊;齐书恒 -专利权人：哈尔滨工程大学
申请日： 2015-02-05 - 公布日： 2017-08-04 - 主分类号： H04B1/7075 文献下载
摘要：发射方法为将训练序列和r‑1个序列进行叠加发射；接收方法为步骤一，天线接收信号；步骤二训练序列同步模块将接收的信号与初始本地载波信号相乘；步骤三训练序列相关器输出模块将接收到的信号与初始捕获相位的本地训练序列进行相关处理，将结果与门限比较，如果大于门限，转到步骤四；如果小于门限，调整本地训练序列的捕获相位和本地载波相位，返回步骤二；步骤四训练序列同步模块将结果传送给并行组合扩频M‑1个相关器，选择出r‑1个序列，判断r‑1个序列是否都大于门限，如果小于，得到训练序列；如果大于，从r‑1个序列中选择最大序列，进行逆映射恢复数据。
一种高效同步并行组合系统发射接收方法

[发明专利]一种基于生成对抗网络的胚胎组织分割方法-CN201911411515.X有效
发明人：李建武;康杨 -专利权人：北京理工大学
申请日： 2019-12-31 - 公布日： 2022-02-08 - 主分类号： G06T7/10 文献下载
摘要：包括：步骤1通过U‑net网络对胚胎组织切片图像进行组织分割掩码映射；步骤2制作分割网络训练集；步骤3配置网络训练所需参数，得到设置后的网络；步骤4使用制作完成的分割网络训练集训练设置后的组织品质识别网络；步骤5固定组织品质识别网络的参数，使用制作完成的分割网络训练集结合组织品质识别网络训练设置后的U‑net网络；步骤6将未标注分割结果的胚胎组织切片图像作为输入，生成对应掩码图像。所述分割方法依托的网络在训练分割时使用一个分类模型来补充损失，充分利用细胞成长状态的信息，提升分割网络在胚胎组织分割领域的准确性。
一种基于生成对抗网络胚胎组织分割方法

[发明专利]一种多品种小批量生产的工件质量在线智能预测方法-CN202110344159.5有效
发明人：林正英;念志伟;朱圣杰 -专利权人：福州大学
申请日： 2021-03-31 - 公布日： 2023-07-14 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种多品种小批量生产的工件质量在线智能预测方法，包括以下步骤：步骤S1:获取数控机床设备电参数数据和加工工件质量参数，并随机划分为训练集和验证集；步骤S2:采用K折交叉验证法将训练集划分为i个子训练集；步骤S3:将子训练集分别用于训练CNN‑LSTM算法参数，得到i个已训练的CNN‑LSTM算法模型;步骤S4:通过验证集分别计算CNN‑LSTM算法模型的准确率，将准确率最高的CNN‑LSTM算法模型作为最优模型；步骤S5:将待测数据输入最优模型，得到预测质量。本发明构建的训练数据集内含了数控加工过程的变化信息，利用电参数和加工工件的映射关系，不会被位置光线等因素所局限，能够准确预测工件质量。
一种品种批量生产工件质量在线智能预测方法

[发明专利]认知训练方法、系统及存储介质-CN202110384765.X有效
发明人：王青;高妍;齐永升 -专利权人：北京未名脑脑科技有限公司
申请日： 2021-04-09 - 公布日： 2022-11-08 - 主分类号： G16H20/70 文献下载
摘要：本发明实施例提供了一种认知训练方法，包括：步骤S100，生成音频和/或视频节拍信号；步骤S300，向对象提供认知训练任务，同时向对象播放音频和/或视频节拍信号，接收对象执行认知训练任务的反馈信号，对反馈信号进行统计分析，以获得表示对象的认知能力的统计分析结果；步骤S500，确定是否满足结束条件，对于满足结束条件的情况，结束训练；对于不满足结束条件的情况，转步骤S700；步骤S700，根据统计分析结果，调整音频和/或视频节拍信号的节拍频率，并转步骤S300。由此，实现了对认知训练的个性化定制，保证了认知训练的特异性。根据统计分析结果动态地调整节拍频率，保证了认知训练的效力最大化。
认知训练方法系统存储介质

[发明专利]基于时间信号曲线的灌注动态影像的分割方法及系统-CN201811587567.8在审
发明人：马晓飞 -专利权人：脑玺（上海）智能科技有限公司
申请日： 2018-12-25 - 公布日： 2019-05-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于时间信号曲线的灌注动态影像的分割方法，包括以下步骤：（1）、分类器训练步骤；（1.1）、训练数据读入步骤；（1.2）、训练数据特征提取步骤及训练集生成步骤；（1.3）、分类器生成步骤；（2）、分类器使用步骤；（2.1）、待分析数据读入步骤；（2.2）、待分析数据特征提取步骤；（2.3）、分类标注步骤。
灌注时间信号动态影像特征提取步骤分析数据生成步骤训练数据分类器读入体素分类标注分类器训练分割系统特征参数影像数据训练集分割

[发明专利]基于多尺度分组融合卷积的雷达高分辨距离像识别方法-CN202111224492.9在审
发明人：向前;王晓丹;宋亚飞;来杰;李睿;雷蕾 -专利权人：向前
申请日： 2021-10-20 - 公布日： 2022-01-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于多尺度分组融合卷积的雷达高分辨距离像识别方法，包括以下步骤：步骤1：构建基于多尺度分组融合一维卷积层(MSGF‑1D‑CNN)的HRRP识别网络；步骤2：初始化识别网络；步骤3：前向传播；步骤4：反向传播；步骤5：重复步骤3和步骤4，逐次对T个批次的数据进行训练，完成一个周期的训练，之后使用当前周期训练的模型结合公式对测试数据集中的样本进行预测，并对预测结果进行统计；步骤6：重复步骤5直至完成τ个周期的训练，保存测试集识别正确率最高时的模型参数。
基于尺度分组融合卷积雷达分辨距离识别方法

[发明专利]一种证照OCR识别方法-CN202011517588.X在审
发明人：王鹏 -专利权人：福建新大陆软件工程有限公司
申请日： 2020-12-21 - 公布日： 2021-04-20 - 主分类号： G06K9/20 文献下载
摘要：本发明提供了图像识别技术领域的一种证照OCR识别方法，包括如下步骤：步骤S10、获取大量的证照样本图片以及证照信息，创建一训练字典以及若干证照背景图片，基于所述证照信息、训练字典以及证照背景图片生成证照训练图片集；步骤S20、创建一证照分类模型，利用所述证照样本图片对证照分类模型进行训练；步骤S30、基于证照类型创建若干个文本识别模型，利用所述证照训练图片集对文本识别模型进行训练；步骤S40、利用训练后的所述证照分类模型以及文本识别模型对待识别证照进行分类和识别
一种证照 ocr 识别方法

[发明专利]一种基于语言建模式孪生网络的目标跟踪方法-CN202210199168.4在审
发明人：傅衡成;何为;李凤荣;胡育昱;魏智;纪立 -专利权人：上海瀚所信息技术有限公司
申请日： 2022-03-02 - 公布日： 2022-06-03 - 主分类号： G06T7/246 文献下载
摘要：本发明涉及一种基于语言建模式孪生网络的目标跟踪方法，包括：步骤S1，获取包含目标连续运动的视频，并根据所述视频制作训练数据集；步骤S2，根据所述训练数据集，训练孪生神经网络；步骤S3，保持所述孪生神经网络的参数不变，训练目标位置提取网络；步骤S4，对训练后的孪生神经网络和训练后的目标位置提取网络再进行联合训练，得到语言建模式孪生网络；步骤S5，获取所述待跟踪目标的实时图像，利用所述语言建模式孪生网络对所述待跟踪目标进行实时跟踪
一种基于语言建模孪生网络目标跟踪方法

[发明专利]一种基于多尺度深度卷积神经回归网络的被动高分辨处理方法-CN202211472529.4在审
发明人：陈越超;杜栓平;王庆;陈孝森;罗兆瑞;王青翠 -专利权人：中国船舶重工集团公司第七一五研究所
申请日： 2022-11-23 - 公布日： 2023-03-07 - 主分类号： G01S15/00 文献下载
摘要：本发明公开了一种基于多尺度深度卷积神经回归网络的被动高分辨处理方法，包括：步骤1，构建训练样本集，所述训练样本集中任一训练样本包括三维阵元域频域数据xsample和对应的真实高分辨空间能量谱标签ylable；步骤2，基于训练样本构建多尺度深度卷积神经回归网络模型；步骤3，构建关于多尺度深度卷积神经回归网络模型的加权增强损失函数；步骤4，基于训练样本集和加权增强损失函数训练多尺度深度卷积神经回归网络模型；步骤5，将新的三维阵元域频域数据作为输入，通过训练后的多尺度深度卷积神经回归网络模型得到预测的高分辨空间能量谱。
一种基于尺度深度卷积神经回归网络被动分辨处理方法

[发明专利]用于人脸识别用训练图像库的数据自动更新方法-CN201810805051.X有效
发明人：杨通;彭若波;杜曦 -专利权人：南京开为网络科技有限公司
申请日： 2018-07-20 - 公布日： 2021-08-17 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种用于人脸识别用训练图像库的数据自动更新方法，包括以下步骤：步骤一、利用爬虫技术获取人脸图片数据；步骤二、运用三维姿态角来图片中的人脸角度进行判断，过滤掉和正脸偏差太大的图片步骤三、使用MTCNN技术提取图片中的五个特征点，和初始设定的五个特征点之间进行仿射变换，从而达到人脸对齐的效果；步骤四、将人脸对齐后的图片数据自动添加到训练图像库中。本发明提高了人脸识别训练过程中训练数据的丰富性、精确性，保证了深度神经网络模型训练准确率和训练速度，并且缩短了深度神经网络模型的训练周期。
用于识别训练图像数据自动更新方法

[发明专利]一种基于卷积神经网络的铁矿粉品位快速估测方法-CN202010533881.9有效
发明人：钟小宇;柳小波;孙厚广;熊宏启;王怀远;徐冬林;衣瑛;李纯阳;梁小军 -专利权人：鞍钢集团矿业有限公司
申请日： 2020-06-12 - 公布日： 2023-09-15 - 主分类号： G06T7/90 文献下载
摘要：本发明涉及一种基于卷积神经网络的铁矿粉品位快速估测方法，包括下述步骤：步骤一：数据采集及数据集制作，采集各个品位值的铁矿粉的图像信息，并对所述图像信息进行预处理，步骤二：模型建立与训练，用随机裁剪、旋转方法对采样出来的训练和验证样本进行数据扩增，将扩增后的样本输入到深度卷积神经网络中进行逐级分段模型训练和全品位区间整体模型训练，得到逐级分段估测训练后的模型和全品位区间整体训练估测训练后的模型；步骤三：模型调用和品位估测，步骤四：模型评价若品位区间估测错误
一种基于卷积神经网络铁矿品位快速估测方法

[发明专利]一种塔式起重机裂缝图像的检测方法-CN202011117717.6在审
发明人：陈国栋;王翠瑜 -专利权人：福州大学
申请日： 2020-10-19 - 公布日： 2021-01-19 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种塔式起重机裂缝图像的检测方法，包括以下步骤：步骤S1:采集塔式起重机裂缝图像，并预处理后分为训练集和测试集；步骤S2:构建改进Faster R‑CNN模型；步骤S3:基于训练集，采用迁移学习方法对改进Faster R‑CNN模型进行学习训练，得到训练后的Faster R‑CNN模型；步骤S4:对训练后的Faster R‑CNN模型进行微调，得到最终的检测模型；步骤S5:将待测图像输入检测模型，获取裂缝的位置
一种塔式起重机裂缝图像检测方法

[发明专利]基于Dense Net网络的计算鬼成像重建恢复方法-CN202110253738.9在审
发明人：隋连升;王一凡;张力文 -专利权人：西安理工大学
申请日： 2021-03-09 - 公布日： 2021-07-16 - 主分类号： G06T5/00 文献下载
摘要：本发明公开基于Dense Net网络的计算鬼成像重建恢复的方法，具体按照以下步骤实施：步骤1，基于MNSIT数据集通过Hadamard矩阵改变随机相位掩膜，获取鬼成像数据集；步骤2，基于Dense Net网络搭建图像重建恢复网络，将步骤1得到的数据集分为训练集、测试集和验证集，通过训练集数据训练图像重建恢复网络中的参数；步骤3，通过验证集数据训练图像重建恢复网络中的超参数；步骤4，通过测试集验证训练好的图像重建恢复网络并输出结果
基于 dense net 网络计算成像重建恢复方法

[发明专利]一种多模型合并压缩方法-CN201911253771.0在审
发明人：曹骁翔;杨奎元 -专利权人：深动科技(北京)有限公司
申请日： 2019-12-09 - 公布日： 2021-06-25 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种多模型合并压缩方法，包括如下步骤：步骤S1：对每个模型分别进行独立训练；步骤S2：分离每个模型的底层与高层；步骤S3：通过映射层连接底层和高层；步骤S4：训练映射层；步骤S5：训练完毕后，对训练好的新模型进行评估，选择最优结果。
一种模型合并压缩方法

[发明专利]一种融合多源数据及综合多维指标的自动驾驶决策方法-CN202110892416.9在审
发明人：赵一诺;刘驰 -专利权人：北京理工大学
申请日： 2021-08-04 - 公布日： 2021-12-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种融合多源数据及综合多维指标的自动驾驶决策方法，包括以下步骤：步骤1、单目视觉信息处理，步骤2、多源传感数据融合，步骤3、多维评价指标综合，步骤4、异步驾驶信息收集，步骤5、驾驶策略模块训练；本发明的有益效果是能够通过自动化收集训练数据集，使用预先定义好的策略评估模块指导训练，无需提前采集专家策略的驾驶信息，降低了训练的成本，提高了驾驶策略的鲁棒性。
一种融合数据综合多维指标自动驾驶决策方法