专利名称
主分类
A 农业
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
G 物理
H 电学
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
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
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
清华大学
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
更多 »
钻瓜专利网为您找到相关结果42个,建议您升级VIP下载更多相关专利
  • [发明专利]一种医学图像的非刚性配准方法-CN202310871811.8在审
  • 张立和;张恒宇;卢湖川 - 大连理工大学
  • 2023-07-17 - 2023-10-13 - G06T7/33
  • 本发明提供了一种医学图像的非刚性配准方法,具体步骤包括:(1)输入浮动、固定图像,送入金字塔特征编码器而生成不同采样倍率的特征图;(2)从最高的采样倍率的特征开始,逐阶段地生成自适应的位移空间、位移场,并估计不确定度;(3)根据上一阶段的不确定度与当前阶段的浮动特征,分别形成位移基数与位移微调值,再加和得到自适应的位移空间;(4)根据当前阶段的形变特征、目标特征以及位移空间,通过多头相关、代价聚合、归一化和位移融合步骤后得到位移场,并同时估计该场的不确定度;(5)重复步骤(2)至(4),直至获得与原图尺寸相同的位移场,形变图像后得到最终的配准结果。
  • 一种医学图像刚性方法
  • [发明专利]一种基于多尺度减法的医学图像分割方法-CN202310823471.1在审
  • 张立和;贾宏鹏 - 大连理工大学
  • 2023-07-06 - 2023-09-15 - G06T7/10
  • 本发明属于深度学习技术在计算机视觉领域,提供了一种基于多尺度减法的医学图像分割方法。本发明首先构建了特征提取网络,然后使用了多尺度减法模块中的多尺度减法单元进行有效信息的筛选和对冗余信息的过滤,整个模块采用金字塔式地连接多个减法单元来捕获大范围的跨层信息;之后,网络聚合水平特定特征和多路径跨水平的差异特征,最后在解码器中生成最终的预测。本发明实现了快速轻量级的医学图像检测模型,不仅能检测各种复杂形状医学病灶区域,而且检测过程快速而精确。
  • 一种基于尺度减法医学图像分割方法
  • [发明专利]一种图像显著目标的检测方法-CN201911146337.2有效
  • 卢湖川;曾昱;张宏爽;李建华;张立和 - 大连理工大学人工智能大连研究院
  • 2019-11-21 - 2023-04-18 - G06T7/00
  • 本发明提供一种图像显著目标的检测方法,属于图像显著度检测技术领域。该发明在第一阶段,构建分类网络CNet和文字序列生成网络PNet分别从分类和文字序列生成任务获取显著性图;该发明在第二阶段,利用CNet和PNet建立两个互补的训练数据集,即带有噪声标签的自然图像数据集和网络图像数据集,利用这两个互补的数据集交替地训练SNet;该发明在第三阶段,利用SNet的预测结果更新自然图像数据集和网络图像数据集,递归地优化模型。在测试阶段,只利用SNet来预测显著性图。实验表明,该发明优于无监督和弱监督方法,跟一些有监督的方法比仍具有良好的性能。
  • 一种图像显著目标检测方法
  • [发明专利]一种交织编码的指示性分割方法-CN202211684775.6在审
  • 张立和;李明慧;卢湖川 - 大连理工大学
  • 2022-12-27 - 2023-03-28 - G06T7/11
  • 本发明属于人工智能技术领域,提出了一种交织编码的指示性分割方法。本发明首先分别构建了图像特征提取网络和语言特征提取网络,然后使用了跨模态特征融合模块建立两个特征提取网络之间的联系,同时引入采样方法,抑制背景噪声的产生。再通过图像和语言门控模块控制融合后的特征流入原有编码分支的比例。最后将交织编码得到的融合特征通过解码器上采样输出图像分割结果。本发明实现了高精度轻量级的自然语言指示的图像分割模型,模型充分利用多层级的语言和图像特征,能够有效的定位到语言指示的图像目标,且分割过程快速而精确。
  • 一种交织编码指示分割方法
  • [实用新型]一种满液式螺杆机速冻冷库机组-CN202221170516.7有效
  • 孙建锋;吕艳双;朱士杰;吕伟;张立和;王嗣赞 - 大连三秋机电设备有限公司
  • 2022-05-17 - 2023-01-13 - F25D13/00
  • 本实用新型属于制冷机组技术领域,且公开了一种满液式螺杆机速冻冷库机组,包括固定座,所述固定座的顶部安装有螺杆冷库机组本体,且固定座的底部开设有腔槽,所述腔槽的内部滑动连接有滑板,所述滑板的顶部固定有伸缩筒,且滑板的底部安装有支撑柱,所述伸缩筒远离滑板的一端与腔槽的内壁相连接,且伸缩筒的外侧安装有弹簧,所述支撑柱延伸至固定座外部的一端连接有底板,本实用新型通过底板、支撑柱、滑板和弹簧等结构的配合,可在装置产生震动时,能够大大减小装置受到的振动冲击,从而大大提高了装置的稳定性,并降低了噪音污染,同时通过伸缩筒可对弹簧进行限位,从而使弹簧伸缩时更加稳定,大大提高了使用效果。
  • 一种满液式螺杆速冻冷库机组
  • [发明专利]一种多尺度跨媒体信息融合方法-CN202211290410.5在审
  • 张立和;叶娟娟;卢湖川 - 大连理工大学
  • 2022-10-21 - 2023-01-06 - G06V10/764
  • 本发明属于深度学习技术在计算机视觉领域,提供了一种多尺度跨媒体信息融合方法。本发明首先构建了特征提取网络,然后使用了简单融合模块获取最初多模态信息和上下文信息,再通过动态卷积模块实现对于输入图像特征的多尺度、不同感受野下的信息的提取,最后通过全局注意模块将全局上下文信息作为低层特征的指导,有效适应不同尺度下的特征映射,得到最终分割结果。本发明实现了端到端的跨媒体信息深度融合,模型复杂度低,可以充分有效地利用图像信息和自然语言信息来进行图像分割。
  • 一种尺度媒体信息融合方法
  • [发明专利]一种基于上下文信息融合的知识图谱补全方法-CN202211031111.X在审
  • 马战川;张立和;孔雨秋;陈思龙;尹宝才 - 大连理工大学
  • 2022-08-26 - 2022-11-29 - G06F16/36
  • 本发明属于自然语言处理技术领域,具体涉及一种基于上下文信息融合的知识图谱补全方法。本发明首次利用3D卷积处理知识图谱上下文信息,并引入头尾双关系来解决复杂关系的编码问题。首先使用实体关系编码模块对输入的实体关系对进行编码得到实体关系特征;再使用上下文编码模块对输入的上下文信息进行编码得到上下文特征;然后将实体关系特征和上下文特征输入到特征融合模块进行特征融合得到查询向量;最后计算查询向量与候选尾实体向量的相似度得到不同候选实体的得分。本发明利用3D卷积对上下文结构信息进行特征提取,将其融入实体关系特征中,在多个常用的数据集上进一步提高知识图谱补全方法的准确率。
  • 一种基于上下文信息融合知识图谱方法
  • [实用新型]一种冷链蔬菜保鲜冷库-CN202220324332.5有效
  • 王嗣赞;张立和;吕伟;朱士杰;吕艳双;孙建锋 - 大连三秋机电设备有限公司
  • 2022-02-17 - 2022-10-18 - F25D11/00
  • 本实用新型属于冷库技术领域,且公开了一种冷链蔬菜保鲜冷库,包括冷库本体,所述冷库本体的一侧固定有围板,所述围板和冷库本体外壁间形成空腔,所述空腔的内部设有第二隔板,且空腔的内部底部安装有第一抽风机,所述第一抽风机的进风端与冷库本体内部相通,且第一抽风机的出风端连接有贯穿第二隔板的第一出风管,本实用新型通过增设围板、抽风机和活性炭吸附层等,利用第一抽风机可抽取冷库本体内的异味冷空气送至空腔内,通过活性炭吸附层吸附空气中的异味后,再经由第二抽风机抽取,最后经由第二出风管送回至冷库本体,如此循环多次,能够有效去除冷库本体内的异味,保证了后续蔬菜的保鲜效果。
  • 一种蔬菜保鲜冷库
  • [发明专利]一种基于深度学习的场景文本检测方法-CN202210671550.0在审
  • 张立和;高文浩 - 大连理工大学
  • 2022-06-15 - 2022-09-30 - G06V20/62
  • 本发明属于人工智能技术领域,提出了一种基于深度学习的场景文本检测方法。本发明首先构建了基础特征提取网络模块,然后构建了双权重引导的流对齐模块,将之与特征金字塔网络模块相结合,处理了文本检测中的多尺度变化问题;然后用双路分对称残差模块进行边缘特征强化,从而得到分割结果;最后由分割图生成文本框。本发明实现了快速轻量级的文本检测模型,不仅能够检测复杂场景下任意形状的文本目标,而且检测结果精准,检测的速度也有一定保障;具有极强的应用价值。
  • 一种基于深度学习场景文本检测方法
  • [发明专利]一种基于残差融合的显著性目标检测方法-CN202011235626.2有效
  • 张立和;金玉 - 大连理工大学
  • 2020-11-06 - 2022-09-30 - G06T7/55
  • 本发明属于人工智能技术领域,提供了一种基于残差融合的显著性目标检测方法。本发明首先构建了显著性检测模型,通过双流特征提取模块提取多级RGB图像特征和深度图像特征,使用一种残差模块进一步提取深层次特征,同时利用融合模块逐级融合来自RGB特征提取分支和其对应前一级的特征,进而训练得到最终的算法模型。本发明实现了端到端的显著性预测,模型复杂度低,可以充分有效地利用RGB图像信息和深度图像信息来预测显著性区域。
  • 一种基于融合显著目标检测方法
  • [发明专利]一种基于多任务深度学习的显著目标检测方法-CN201910243220.X有效
  • 张立和;吴杰 - 大连理工大学
  • 2019-03-28 - 2022-09-30 - G06V10/20
  • 本发明属于深度学习技术领域,一种基于多任务深度学习的显著目标检测方法,提出的基于多任务的显著性目标检测网络,在现有VGG16的基础模型上,通过带有语义对比局部特征的残差模块的引入,来获取更多的局部与语义信息,然后两个任务网络的交互学习,使得两个网络能够互相学习到对方的特征,以此来补足自身特征的不足。与以往方法相比,本方法检测结果更加准确。对于多目标或者目标与背景很相似的图像,本发明方法的检测结果更加符合人类的视觉感知,得到的显著图也更加准确。此外,由于另一个目标轮廓网络对目标轮廓的敏感,使得显著目标检测结果的边缘也有很大的改善。
  • 一种基于任务深度学习显著目标检测方法

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

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top