“刘高敏”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]振动沉钢管桩的桩侧静压注浆管装置及使用方法-CN202211285098.0在审
发明人：蒋益平;项培林;沈日庚;陈洪胜;刘高敏;韩晓 -专利权人：上海市城市建设设计研究总院（集团）有限公司
申请日： 2022-10-20 - 公布日： 2022-12-09 - 主分类号： E02D15/02 文献下载
摘要：本发明公开了振动沉钢管桩的桩侧静压注浆管装置及使用方法，通过静压将两个以上活络芯管注浆装置压入钢管桩的管壁竖直方向投影范围外侧所需要的深度；活络芯管注浆装置包括注浆花管芯管和保护套管；注浆花管芯管的侧壁设有注浆口，下端设有锥形导向头，与锥形导向头连接的位置与保护套管的下端形成呈密封；注浆花管芯管的上端与保护套管的下端之间设有匹配的限位结构，防止保护套管从注浆花管芯管上端脱离。使用时，将保护套管拔起使注浆花管芯管完全露出并进行注浆；在完成当前深度注浆后，再次将活络芯管注浆装置拔起至完成注浆的深度的上方，并重复执行至完成所有注浆。本发明能够实现注浆管材的重复使用，实现任意深度的多次注浆。
振动钢管静压注浆管装置使用方法

[发明专利]图像处理方法和装置-CN202011582403.3在审
发明人：郝阳阳;杨胜凯;高源;刘高敏 -专利权人：华为技术有限公司
申请日： 2020-12-28 - 公布日： 2022-06-10 - 主分类号： G06T5/00 文献下载
摘要：一种图像处理技术，按照感兴趣区域从第一图像中提取图像块，对所述第一图像和所述图像块使用不同资源占用级别的降噪声算法进行降噪声，具体而言：对图像块使用资源占用高、耗时长、降噪声效果好的降噪声算法，对第一图像使用资源占用低、耗时短、降噪声效果差的降噪声算法，然后对降噪声后的图像和降噪声后的图像块进行融合得到降噪声后的图像。
图像处理方法装置

[发明专利]基于钻机浅层有害气体探测装置的连续探测和释放方法-CN202110823487.3在审
发明人：蒋益平;沈日庚;项培林;陈洪胜;恽雅萍;刘高敏 -专利权人：上海市城市建设设计研究总院（集团）有限公司
申请日： 2021-07-21 - 公布日： 2021-09-21 - 主分类号： E21B47/00 文献下载
摘要：本发明公开了基于钻机浅层有害气体探测装置的连续探测和释放方法；探测装置包括探杆、导气软管、多功能气罐、双层管和钻杆；预先钻孔，后采用锤击法将双层管和探杆敲入至多个待探测区中最深待探测区；芯管和锥形导向头伸入待探测区，探杆和芯管护管与待探测区上方土层形成密封；待探测区内气体进入多功能气罐，探测有害气体，并完成释放后，将双层管拔起至上方相邻待探测区，重复前述步骤，直到完成所有待探测区的有害气体探测和释放。本发明能够连续探测多个待探测区并释放有害气体，在水上具有明显优点，成功克服了现有技术的分段实施、探测和钻探交叉作业的缺陷；实现浅层有害气体探测操作更方便、更高性价比、安全可靠，有害气体释放更安全。
基于钻机有害气体探测装置连续释放方法

[发明专利]一种基于卷积神经网络的细粒度服装的属性识别方法-CN201811343657.2有效
发明人：张桦;陶星;戴美想;戴国骏;刘高敏 -专利权人：杭州电子科技大学
申请日： 2018-11-13 - 公布日： 2021-08-10 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于卷积神经网络的细粒度服装的属性识别方法。本发明首先通过Faster‑RCNN和YOLO神经网络，对图像中的特征区域定位，针对袖子、裤子长度和领口类型分类采取相应的扩大特征区域方法，再对特征区域进行图像处理；处理后输进ResNet网络模型和InceptionV4网络模型，进行神经网络的训练；并将输出结果进行加权融合。训练好的神经网络模型可用于服装属性识别。本发明提取的特征区域实现较高的分割准确性，提高了卷积神经网络进行深度学习图像特征的效率和准确性，并将两个网络模型的输出结果进行加权融合，减少了过拟合现象。
一种基于卷积神经网络细粒度服装属性识别方法

[发明专利]基于卷积神经网络的单目光场图像无监督深度估计方法-CN201910276356.0有效
发明人：戴国骏;刘高敏;张桦;周文晖;陶星;戴美想 -专利权人：杭州电子科技大学
申请日： 2019-04-08 - 公布日： 2021-03-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于卷积神经网络的单目光场图像无监督深度估计方法。本发明先利用公开的大型光场图像数据集作为训练集，通过数据增强、数据扩充使训练集样本趋于平衡。构建改进的ResNet50网络模型，使用编码器和解码器分别提取模型的高级和低级的特征，再通过密集差结构将编码器和解码器的结果融合，同时另外构建了一个超分辨率遮挡检测网络，能够使用深度学习准确的预测出各个视角之间的遮挡问题；基于光场图像深度估计任务的目标函数是多损失函数，通过预先定义好的网络模型对预处理后的图像进行训练，最后在测试集上对网络模型进行泛化评估。本发明对复杂场景的光场图像预处理效果显著，实现了更精确光场图像无监督深度估计的效果。
基于卷积神经网络目光图像监督深度估计方法