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71个,建议您升级VIP下载更多相关专利
  • [发明专利]可解释的基于高斯曲率的小目标检测方法-CN202310852539.9在审
  • 张铭津;臧璠;岳珂;左龙;郭杰;李云松;高新波 - 西安电子科技大学
  • 2023-07-12 - 2023-10-13 - G06V10/82
  • 本发明公开了一种可解释的基于高斯曲率的小目标检测方法,主要解决现有方法检测准确率低的问题,实现步骤为:获取训练样本集和测试样本集;构建可解释的基于高斯曲率的小目标检测模型:包括包括主干网络及与其并行排布的结构特征增强网络;初始化参数;对小目标检测模型进行训练;对小目标检测模型的参数进行更新;获取小目标检测结果。本发明中主干网络用来提取不同尺度的特征,结构特征增强网络中,结合数学理论构建高斯曲率引导的结构提取块,使得模型具有强可解释性,其通过高斯曲率计算有效提取纹理结构信息,特征融合块再将纹理结构信息与多尺度的特征信息进行融合,补偿主干网络中下采样操作丢失的目标特征,提高小目标检测的准确率。
  • 可解释基于高斯曲率目标检测方法
  • [发明专利]基于平滑交互式压缩网络的小目标检测方法-CN202310846267.1在审
  • 张铭津;杨辰尧;周楠;左龙;郭杰;李云松;高新波 - 西安电子科技大学
  • 2023-07-11 - 2023-09-08 - G06V10/774
  • 本发明公开了一种基于平滑交互式压缩网络的小目标检测方法,其实现步骤是,构建并训练平滑交互式压缩网络,利用该网络中的平滑交互模块在多尺度的范围内鲁棒地学习图像特征的语义信息,利用平滑交互式压缩网络中的交叉关注子模块根据输入图像的内容来调动态融合不同分辨率的特征图。利用平滑交互式压缩网络中的白盒剪枝子模块不降低性能的前提下降低模型的复杂性。本发明主要解决在硬件计算能力有限的前提下对背景复杂图像中的弱小目标进行检测的问题,具有特征图之间的依赖性强、动态融合不同分辨率的特征图效果好,漏检率与虚警率低,网络计算量需求小且结构简单从而易与现有硬件适配的优点。
  • 基于平滑交互式压缩网络目标检测方法
  • [发明专利]基于通道-扩散双分支网络的图像超分辨率重建方法-CN202210488529.7有效
  • 张铭津;彭晓琪;张鹏;郭杰;李云松;高新波 - 西安电子科技大学
  • 2022-05-06 - 2023-09-08 - G06T3/40
  • 本发明公开了一种通道‑扩散双分支网络的图像超分辨率重建方法,主要解决现有方法纹理细节不足、结构失真的问题,实现步骤为:构建训练样本集和测试样本集;构建通道‑扩散双分支网络:构建顺次连接的第一卷积层、D个通道‑扩散残差模块、第二卷积层、上采样模块的通道‑扩散双分支网络;通道‑扩散残差块包括自适应卷积模块以及与其连接的并行排布的通道注意力分支和扩散分支;自适应卷积模块包括多个卷积层和多个非线性激活层;扩散分支包括P‑M扩散层、卷积层和非线性激活层;通道注意力分支包括池化层、多个非线性激活层和多个卷积层;对通道‑扩散双分支网络进行迭代训练。本发明能够获得清晰、准确的超分辨率重建图像。
  • 基于通道扩散分支网络图像分辨率重建方法
  • [发明专利]基于多尺度特征补偿及门控增强的小目标检测方法-CN202310283681.6在审
  • 张铭津;臧璠;岳珂;张秉颜;李云松;高新波 - 西安电子科技大学
  • 2023-03-22 - 2023-06-27 - G06V10/25
  • 本发明公开了一种基于多尺度特征补偿及门控增强的小目标检测方法,主要解决现有方法检测准确率低的问题,实现步骤为:获取训练样本集和测试样本集;构建基于多尺度特征补偿及门控增强的小目标检测模型:包括顺次连接的卷积模块、转置模块、门控增强模块和预测模块,以及加载在卷积模块和转置模块之间的多尺度特征补偿模块;对小目标检测模型进行迭代训练;获取测试样本的小目标检测结果。本发明中多尺度特征补偿模块用来提取下采样操作前后的浅层和深层特征,并利用浅层特征对深层特征补偿细节特征,提高多尺度上下文的表征能力,门控增强模块用来增强目标特征和抑制背景噪声,提高目标的信噪比,提高小目标检测的准确率。
  • 基于尺度特征补偿门控增强目标检测方法
  • [发明专利]基于差分曲率的芯片硬件木马检测方法-CN202310273998.1在审
  • 张铭津;郑玲萍;郭杰;李云松;高新波 - 西安电子科技大学
  • 2023-03-21 - 2023-06-13 - G06F21/56
  • 本发明提出一种基于差分曲率的芯片硬件木马检测方法,实现步骤为:(1)获取训练样本集和测试样本集;(2)构建基于差分曲率超分网络模型O;(3)对基于差分曲率超分网络模型O进行迭代训练;(4)获取图像重建结果;(5)获取芯片硬件木马检测结果。本发明在对基于差分曲率的芯片硬件木马检测模型进行训练以及获取图像重建结果的过程中,用第二重建网络的曲率信息来补偿第一重建网络的均匀工作流,以增强特征表示能力,从而为重建图像提供更多的几何特征信息。实验结果表明,基于差分曲率的芯片硬件木马检测模型可以更好地探索恢复曲率信息,将其应用到重新设计的硬件木马检测系统中,可以获得比其他SR方法更高的硬件木马检测率。
  • 基于曲率芯片硬件木马检测方法
  • [发明专利]基于深度学习的芯片图像超分辨率重建方法-CN201811119289.3有效
  • 张铭津;范明明;刘志强;池源;孙宸;侯波;李云松 - 西安电子科技大学
  • 2018-09-25 - 2023-04-18 - G06T3/40
  • 本发明公开了一种基于深度学习的芯片图像超分辨率重建方法,主要解决现有方法重建芯片图像电路密集处分辨率低的问题。其技术方案是:1.划分图像集,并构建训练数据集;2.对训练数据集进行训练;3.估计出K幅低分辨率图像与参考图像的子像素位移量;4.对参考图像进行上采样,并将其输入到训练好的模型,输出估计图像;5.对估计图像降质,并计算降质后图像与K幅低分辨率图像的模拟误差;6将模拟误差叠加到估计图像上得到改进的估计图像;7.迭代执行5至6,直至误差函数小于误差阈值,输出最终改进的估计图像。本发明提高了芯片图像中电路密集处的超分辨率重建效果,可以用于芯片密集电路处的硬件木马检测。
  • 基于深度学习芯片图像分辨率重建方法
  • [发明专利]一种带有防护装置安全性能高的卷管机-CN202110843665.9有效
  • 张铭津 - 黄石恒盛科技发展有限公司
  • 2021-07-26 - 2023-01-24 - B31C1/00
  • 本发明提供一种带有防护装置安全性能高的卷管机,包括卷管机本体,所述卷管机本体包括箱体,所述箱体的底部安装有底座,所述箱体的一侧开有开口,所述开口的内部安装有箱门,所述箱门上开有散热口,该带有防护装置安全性能高的卷管机,在使用时限位板在胶水滚筒和保护滚筒上进行移动,移动调整限位板之间的距离,从而可根据纸张的宽度进行调整,通过限位板对纸张进行限位,从而避免倾斜发生,胶水滚筒对胶水箱内部的胶水接触,通过旋转均匀涂抹在纸张的一侧,便于均匀涂抹,从而避免胶水的浪费,对资源进行保护,急停装置到遇到外力时,电极柱与电极片相接触,将装置进行急停,保护滚筒安装在滚筒的前部,从而避免人员受到伤害。
  • 一种带有防护装置安全性能卷管机

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