“李嘉锟”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7个，建议您升级VIP下载更多相关专利

[发明专利]一种人工智能视频问答方法-CN202010839563.5有效
发明人：王田;李嘉锟;李泽贤;张奇鹏;彭泰膺;吕金虎 -专利权人：北京航空航天大学
申请日： 2020-08-19 - 公布日： 2023-04-07 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种人工智能视频问答方法，包括以下步骤：S1、获取视觉特征和文字特征；S2、视觉特征提取，对视觉特征和语义特征进行多模态融合，获得融合特征；S3、根据融合特征和语义特征生成答案。本发明公开的人工智能视频问答方法，参数量小，运算速度快，能够正确理解问题和备选答案、各备选答案间的逻辑关系，得到的答案准确率有明显提高。
一种人工智能视频问答方法

[发明专利]识别方法及装置-CN202110818930.8在审
发明人： 李嘉锟;葛延腾 -专利权人：北京猿力未来科技有限公司
申请日： 2021-07-20 - 公布日： 2023-02-17 - 主分类号： G06V30/41 文献下载
摘要：本说明书提供识别方法及装置，其中所述识别方法包括：获取用户输入的包含待识别题型的目标图像；对所述目标图像进行识别处理，根据识别处理结果生成所述待识别题型对应的目标字符框集合；基于所述目标字符框集合中各个字符框对应的类别信息确定各个字符框的属性信息；通过遍历各个字符框的属性信息对所述目标字符框集合中包含的字符框进行拼接，获得所述待识别题型对应的识别结果。
识别方法装置

[发明专利]一种基于深度学习的材料性能预测方法-CN202010415084.0有效
发明人：王田;邵明启;李嘉锟;左颖;陶飞 -专利权人：北京航空航天大学
申请日： 2020-05-15 - 公布日： 2022-09-09 - 主分类号： G06F30/23 文献下载
摘要：本发明公开了一种基于深度学习的材料性能预测方法，通过建立有限元模型和深度学习模型，使用有限元模型的结果来训练深度学习模型，获得材料性能预测模型。本发明所述的基于深度学习的材料性能预测方法，能够快速、准确的完成材料性能的预测。
一种基于深度学习材料性能预测方法

[发明专利]一种基于深度Gabor网络的图像目标识别方法-CN201811605971.3有效
发明人：王田;李嘉锟;单光存;文博;文社欣 -专利权人：北京航空航天大学;博恒科技（杭州）有限公司
申请日： 2018-12-26 - 公布日： 2020-12-11 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于深度Gabor网络的图像目标识别方法，包括：对图像或者视频进行单帧分解得到单帧图像，利用深度Gabor网络进行特征提取与融合，而后利用全连接网络达到目标识别的目的。目标识别过程分为训练和测试两个过程。在训练中，以训练样本的图像作为深度Gabor网络的输入，通过最小化损失函数来训练整个深度Gabor网络，得到深度Gabor网络的权重值。同时对易错的训练样本进行困难样本挖掘，以提高深度Gabor网络的性能。在测试阶段，以测试样本的图像作为输入，利用训练好的深度Gabor网络提取测试样本的图像特征，然后利用训练好的全连接网络进行测试样本的分类，由此实现目标的识别。
一种基于深度 gabor 网络图像目标识别方法

[发明专利]一种基于数字孪生的车辆抗毁伤评估方法-CN201910597375.3有效
发明人：王田;刘鑫;李嘉锟;陶飞 -专利权人：北京航空航天大学
申请日： 2019-07-04 - 公布日： 2020-12-08 - 主分类号： G06F30/15 文献下载
摘要：本发明公开了一种基于数字孪生的车辆抗毁伤评估方法，首先是对物理车辆进行数字化孪生，建立与之高仿真性的数字孪生模型，此模型包括四大系统即：虚拟车辆固件系统、动态实时交互系统、外部信息交互系统、车辆状态监测系统，在此基础上通过外部服务来构建车辆的毁伤子系统，对数字车辆进行模拟攻击，通过车辆状态监测系统并辅之以各种方法来对毁伤的效果进行评估，以此来得出车辆的抗毁伤评估数据，对车辆进行抗毁伤评估。
一种基于数字孪生车辆毁伤评估方法

[发明专利]一种基于关键区域检测的复杂目标精准识别方法-CN201810345899.9有效
发明人：王田;李玮匡;李嘉锟;陶飞 -专利权人：北京航空航天大学
申请日： 2018-04-18 - 公布日： 2020-11-24 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于关键区域检测的复杂目标精准识别方法，包括：使用交叉训练的方法对整个神经网络进行融合训练，使用卷积神经网络提取目标特征，使用检测子网络以锚方框作为参考检测复杂目标的关键区域，使用区域标准池化将关键区域池化为固大小的特征图，使用分类子网络对关键区域进行分类，融合各个关键区域的分类结果从而达到对目标的精准识别。整个网络包括了关键区域检测子网络和关键区域分类子网络，由检测子网络检测出复杂目标具有区分度的关键区域，再由分类子网络对关键区域进行分类，融合各区域的分类结果对整体目标进行识别。这两个子网络共享了VGG卷积神经网络提取的特征,从而使复杂目标的识别达了到快速与精准的效果。
一种基于关键区域检测复杂目标精准识别方法

[发明专利]一种基于Gabor滤波器三维卷积神经网络模型的人体动作识别方法-CN201710884152.6在审
发明人：王田;李嘉锟;陈阳;陶飞 -专利权人：北京航空航天大学
申请日： 2017-09-26 - 公布日： 2017-12-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于Gabor滤波器三维卷积神经网络模型的人体动作识别方法，其核心内容为将视频逐帧分解为图片，并将可完整表示出一个动作的相邻数帧合并在一起形成三维数据结构，以其作为神经网络的输入数据；神经网络采用三维卷积神经网络结构，并将其中的卷积核改为人工核Gabor滤波器；神经网络的训练过程为有监督学习，首先需要由标签的数据库作为训练数据进行训练，训练好的神经网络便可完成对人体动作的识别。本发明具有检测精度高、使用范围广等特点，可广泛应用于学校、街道等公共场景的视频信息处理。
一种基于 gabor 滤波器三维卷积神经网络模型人体动作识别方法