“yolo_v3”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_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

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

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

专利权人

国家电网公司

华为技术有限公司

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

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

钻瓜专利网为您找到相关结果7447589个，建议您升级VIP下载更多相关专利

[发明专利]基于改进YOLO-V3的目标检测系统、方法及终端-CN202010333517.8有效
发明人：田鹏程 -专利权人：上海锘科智能科技有限公司
申请日： 2020-04-24 - 公布日： 2023-04-28 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于改进YOLO‑V3的目标检测系统，包括：图像获取模块、图像预处理模块、darknet‑39主干网络模块、多尺度卷积层特征组合模块、加权特征融合模块和预测模块，darknet‑39主干网络模块采用主干网络模型提取图像特征，得到5个不同尺度卷积层的特征图；多尺度卷积层特征组合模块用于将5个不同尺度卷积层的特征图进行最优组合得到组合特征图；加权特征融合模块用于对组合特征图进行加权特征融合；预测模块用于采用YOLO‑V3
基于改进 yolo v3 目标检测系统方法终端

[发明专利]一种基于YOLO v5s网络结构的目标检测方法及其系统-CN202210528222.5在审
发明人：张佳帅;李攀;缪华桦;张涌;宁立;许宜诚 -专利权人：中国科学院深圳先进技术研究院;中国科学院深圳理工大学（筹）
申请日： 2022-05-16 - 公布日： 2022-10-18 - 主分类号： G06V10/25 文献下载
摘要：本发明涉及小目标检测领域，特别涉及一种基于YOLO v5s网络结构的目标检测方法及其系统；本发明先进行图片的马赛克数据增强处理、自适应锚框计算和图片尺寸处理，而且还对图片进行切片后池化再进行特征图融合，在采用YOLO v5s原有的按通道维度拼接方法的同时，采用双向特征金字塔网络的双向网络进行融合，提高了小目标的检测的精度的效果。
一种基于 yolo v5s 网络结构目标检测方法及其系统

[发明专利]基于YOLO的绝缘子定位识别方法及装置-CN201911066983.8在审
发明人：刘云鹏;纪欣欣;陈玉峰;林颖;张振军;周加斌 -专利权人：华北电力大学（保定）;国网山东省电力公司电力科学研究院
申请日： 2019-11-04 - 公布日： 2020-04-10 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于YOLO的绝缘子定位识别方法及装置，包括：依据工业应用的不同将绝缘子进行分类；对所述绝缘子分类构建外绝缘设备的本体特征识别数据库；输入绝缘子图像，采用YOLO‑V3算法对所述图像进行非监督的训练和学习
基于 yolo 绝缘子定位识别方法装置

[发明专利]一种基于改进的YOLO算法的海洋生物目标检测方法-CN202111251729.2在审
发明人：刘洋;李英平;孔程玉;丛禹塵;刘胜蓝;王飞龙;张津榕 -专利权人：大连理工大学
申请日： 2021-10-25 - 公布日： 2022-01-07 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及计算机视觉技术领域，提供一种基于改进的YOLO算法的海洋生物目标检测方法，包括：步骤100，采集海洋生物数据集；步骤200，对数据集进行预处理和数据增广；步骤300，构建使用可变形卷积改进的YOLOV3检测器；步骤400，在进行步骤200形成的数据集上训练模型；步骤500，部署训练好的模型用于海洋生物目标的检测任务。
一种基于改进 yolo 算法海洋生物目标检测方法

[发明专利]一种基于movidius计算芯片和Yolo face的人脸检测方法-CN201910173854.2有效
发明人：赵晓丽;范继辉 -专利权人：山东领能电子科技有限公司
申请日： 2019-03-08 - 公布日： 2023-07-14 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及一种基于movidius计算芯片和Yolo face的人脸检测方法，包括步骤如下：(1)将数据集划分为训练集和测试集，在训练集中标注用于人脸检测模型训练的数据集；(2)将Tiny Yolo v2解析成Yolo face；(3)进行人脸检测模型的训练；(4)将训练得到的人脸检测模型转化成movidius计算芯片支持的模型格式；(5)使用测试集验证人脸检测模型，进行人脸检测。
一种基于 movidius 计算芯片 yolo face 检测方法

[发明专利]一种基于YOLO V3与ResNeXt-50级联模型的脐橙病虫害识别方法-CN202210732037.8在审
发明人：宋彩霞;亓志国;徐鹏民;平涛 -专利权人：青岛农业大学
申请日： 2022-06-27 - 公布日： 2022-11-04 - 主分类号： G06V20/68 文献下载
摘要：本发明公开了一种基于YOLO V3与ResNeXt‑50级联模型的脐橙病虫害识别方法，该方法的步骤：步骤1：使用爬虫从互联网上获取19种病害和虫害图片，并对数据进行裁剪，形成原始数据集A与裁剪后的数据集步骤2：使用YOLO V3与ResNeXt‑50分别在数据集A与B上进行训练。步骤3：使用多结果选择算法，投票选择票数最多的识别框为最终的识别框。
一种基于 yolo v3 resnext 50 级联模型脐橙病虫害识别方法

[发明专利]基于手势滑动的人机验证方法-CN201811557562.0有效
发明人：高海昌;裴歌;罗赛男;常国沁;程诺;郑涵;张阳 -专利权人：西安电子科技大学
申请日： 2018-12-19 - 公布日： 2021-04-20 - 主分类号： G06F21/31 文献下载
摘要：本发明提出了一种基于手势滑动的人机验证方法，在保证用户友好性的基础上有效提高人机验证的安全性，实现步骤为：1.构建手势数据集；2.对目标检测网络YOLO V3进行改进；3.对改进的目标检测网络YOLOV3进行训练；4.生成手势滑动验证码的用户验证界面；5.判断实时检测到的手中心位置的标记是否移动到目标轨迹的起点；6.判断实时检测到的手中心位置的标记是否移动到目标轨迹的终点；7.对用户进行人机验证。
基于手势滑动人机验证方法

[发明专利]一种基于遥感图像的舰船多目标跟踪方法-CN202011201338.5有效
发明人：周越冬;曹长庆;曾晓东;冯喆珺;闫旭;王婷;武增艳;耿立新;朱敏 -专利权人：西安电子科技大学
申请日： 2020-11-02 - 公布日： 2023-08-15 - 主分类号： G06T7/246 文献下载
摘要：实现包括，建立深度特征模型；用改进的YOLO v3网络目标检测；用卡尔曼滤波器对目标进行跟踪并关联检测和跟踪结果；判断关联匹配结果；对未匹配结果进行处理；遍历所有图像，完成基于遥感图像的舰船多目标跟踪。本发明使用改进的YOLO v3网络完成目标的检测，使用马氏距离关联目标运动信息，引入MGN深度网络，关联目标外观信息。对未匹配的检测与跟踪结果进行处理。本发明提高目标跟踪准确率的同时，实时性也大幅提升，数据证明本发明FPS有3倍的提升，降低了预测时间。用于海洋及近海舰船目标的检测与跟踪。
一种基于遥感图像舰船多目标跟踪方法

[发明专利]一种基于YOLO v4的行人社交距离实时监测方法-CN202010879084.6在审
发明人：姚博;文成林;林志鹏 -专利权人：杭州电子科技大学
申请日： 2020-08-27 - 公布日： 2020-11-27 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于YOLO v4的行人社交距离实时监测方法。本发明包括：收集整理数据集，网络模型训练，视频图像输入，目标行人预测，根据检测结果遍历目标，计算目标距离和阈值并对其分类，输出分类结果。本发明主要采用了YOLO v4的网络模型，经过参数调整，在VOC2007的验证集下对行人目标的AP达到了87.54%，识别精度较高。
一种基于 yolo v4 行人社交距离实时监测方法

[发明专利]一种面向口红质检的迁移学习目标检测方法-CN202210171447.X在审
发明人：王海峰;吕建豪;郑杭彬;蒋文波 -专利权人：上海可明科技有限公司
申请日： 2022-02-24 - 公布日： 2022-05-27 - 主分类号： G06T7/00 文献下载
摘要：一种面向口红质检的迁移学习目标检测方法，以YOLO v5网络结构为基础，对网络结构进行优化，更具体说，包括有口红数据集的构建方法、目标检测模型YOLO v5X网络结构、引入迁移学习方法；本发明能够有效地提高口红缺陷检测的泛化性能
一种面向口红质检迁移学习目标检测方法

[发明专利]一种木勺裂纹检测方法、设备和存储介质-CN202310744299.0在审
发明人：李磊;李宗威;姚志浩;韩慧健 -专利权人：山东财经大学
申请日： 2023-06-21 - 公布日： 2023-10-13 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种木勺裂纹检测方法、设备及存储介质，方法包括：对待处理图像的多个颜色空间进行融合，获得目标彩色图像；将目标彩色图像输入预先训练好的基于YOLO‑v5的深度学习网络模型进行裂纹检测，所述深度学习网络模型包括加入了注意机制与方向模块的YOLO‑v5主干，所述方向模块包括LBC(Local Binary Convolution)模块。
一种裂纹检测方法设备存储介质

[发明专利]一种目标检测方法和装置-CN202110148538.7在审
发明人：张一凡;刘杰 -专利权人：歌尔股份有限公司
申请日： 2021-02-03 - 公布日： 2021-06-11 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种目标检测方法和装置，其中方法包括：基于待检测目标的特征，对YOLO‑v4主干网络的降采样结构设置至少一个调整方式；利用调整方式对YOLO‑v4主干网络的降采样结构进行调整，构建基于YOLO‑v4
一种目标检测方法装置

[发明专利]一种基于YOLO v5的包装物双目识别定位方法-CN202210479182.X在审
发明人：艾长胜;张传斌 -专利权人：济南大学
申请日： 2022-05-05 - 公布日： 2022-12-13 - 主分类号： G06T7/70 文献下载
摘要：本发明公开了一种基于YOLO v5的包装物双目识别定位方法，本发明主要包含以下步骤：A.双目相机标定；B.图像采集并立体校正；C.利用YOLO v5进行包装物识别与定位；D.立体匹配；F.获取包装物的三维坐标，本发明提出的一种基于YOLO v5的包装物双目识别定位方法，首先使用标定后的双目相机采集图像，将获取的左右图像进行立体校正，将图像校正成理想成像下的双目图像，然后输入到目标检测模型中，对识别出的目标包装通过立体匹配算法对左右图像进行匹配
一种基于 yolo v5 包装双目识别定位方法

[发明专利]一种基于Yolo v4与Tof算法相结合的避障方法-CN202011021879.X有效
发明人：周木春;赵晟皓;朱雨婷;沈志耀 -专利权人：南京理工大学
申请日： 2020-09-25 - 公布日： 2022-09-27 - 主分类号： G06V20/58 文献下载
摘要：本发明公开了一种基于Yolo v4与Tof算法相结合的避障方法，包括以下步骤：采集若干种待识别障碍物目标的图像，并标记障碍物目标在图像中的位置以及目标的类型；利用Yolo v4神经网络对采集的图像进行训练本发明结合Yolo v4神经网络和Tof测距算法，可以获得完整的障碍物信息，实现有效避障。
一种基于 yolo v4 tof 算法相结合方法

[发明专利]一种高层建筑玻璃幕墙破损的自动检测方法-CN202111395954.3有效
发明人：卓仁杰;高琳琳;余明行;张哲昊 -专利权人：宁波大学
申请日： 2021-11-23 - 公布日： 2022-10-28 - 主分类号： G06V20/17 文献下载
摘要：本发明涉及一种高层建筑玻璃幕墙破损的自动检测方法，包括构建检测网络并使用样本集对构建的检测网络进行训练和验证，得到具有最优参数的检测网络，其中，检测网络的构建方法具体为：先构建YOLO v4网络，将YOLOv4网络中的卷积层用依次相连接的扩展卷积、逐通道卷积和逐点卷积进行替换，得到新的卷积层，最后将替换完成的YOLO v4网络作为构建的检测网络；之后根据所有BN层的缩放因子向量对具有最优参数的检测网络进行剪枝
一种高层建筑玻璃幕墙破损自动检测方法

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

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

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

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top