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20个,建议您升级VIP下载更多相关专利
  • [发明专利]基于域适应的单阶段目标检测算法-CN202110646140.6有效
  • 桂盛霖;张瑞琼 - 电子科技大学
  • 2021-06-10 - 2023-09-15 - G06V10/40
  • 本发明公开了一种基于域适应的单阶段目标检测算法,属于计算机视觉领域。本发明将基于深度学习的域适应方法应用在单阶段目标检测算法中的模型SW‑RFB‑SSD,以单阶段目标检测算法SSD为基本框架,结合了将全局特征进行弱对齐以及将局部特征进行强对齐的思想,使得在不大量标注数据集的情况下,依然可以在目标域数据集上有较好的检测精度。并且为了保证检测效率的同时,进一步提高物体检测的精度,还利用了不同尺度的感受野,使模型可以从训练集中学习到更丰富的特征。
  • 基于适应阶段目标检测算法
  • [发明专利]基于实时学习的融合型词义嵌入方法-CN201910839702.1有效
  • 桂盛霖;方丹 - 电子科技大学
  • 2019-09-06 - 2023-03-24 - G06F40/284
  • 本发明公开了一种基于实时学习的融合型词义嵌入方法,属于词向量的自动生成技术领域。本发明基于其所设置神经网络语言模型,基于其投影输出得到当前待进行词义嵌入处理的词的词义向量;该神经网络语言模型的网络结构的输入层,用于获取当前词k在预置的词向量矩阵V中的对应向量;投影层,用于对当前词k进行判断,若其为单义词,则做恒等投影,k在预置的词向量矩阵V中的对应向量作为投影层输出;若其为多义词,则通过基于实时学习的词义识别算法获取其对应的词义向量,投影层输出为该获取的词义向量。本发明利用实时学习的方法实现对多义词的词义向量的计算和生成,在保证词义向量计算效率的前提下,提高生成向量的质量。
  • 基于实时学习融合词义嵌入方法
  • [发明专利]一种基于双深度融合网络的轮廓检测方法-CN202210599134.4在审
  • 桂盛霖;简柯青 - 电子科技大学
  • 2022-05-30 - 2022-09-06 - G06V10/10
  • 本发明涉及计算机视觉领域,具体为一种基于双深度融合网络的轮廓检测方法。该方法通过类HED模块和类CEDN模块的设置,实现HED算法与CEDN算法的融合。在融合的过程中,通过类CEDN模块中的G‑Weights Block网络生成特征融合权重图,然后在Refine Block网络中将类HED和类CEDN模块提取的不同尺度特征图与特征融合权重图动态融合、并通过上采样得到还原至输入图片尺度后输出。由于特征融合权重图的加入提高不同层次特征图之间的关联性,使得轮廓检测具备更高的精度。
  • 一种基于深度融合网络轮廓检测方法
  • [发明专利]一种基于结构融合的目标轮廓检测方法-CN202210593111.2在审
  • 桂盛霖;简柯青 - 电子科技大学
  • 2022-05-27 - 2022-09-02 - G06V10/44
  • 本发明公开了一种基于结构融合的目标轮廓检测方法,该方法包括获取数据集、构建基于结构融合的目标轮廓检测模型、计算目标检测分支损失和轮廓检测分支损失、将这两种损失进行权重相加得到总损失,并得到训练好的基于结构融合的目标轮廓检测模型、对测试数据进行轮廓预测。本发明构建的基于结构融合的目标轮廓检测模型将目标检测算法SSD与轮廓检测算法CEDN通过共享基础网络的方式融合在一起,利用目标检测分支将注意力集中在目标物体这一特点,在不增加各自分支网络参数的情况下提升了轮廓检测网络对无关边缘的抑制能力以及加强了对目标轮廓的检测精度。
  • 一种基于结构融合目标轮廓检测方法
  • [发明专利]基于边缘检测的单阶段目标检测方法-CN202110675466.1有效
  • 桂盛霖;张瑞琼 - 电子科技大学
  • 2021-06-18 - 2022-05-03 - G06T7/00
  • 本发明公开了一种基于边缘检测的单阶段目标检测算法,属于计算机视觉领域。本发明将单阶段目标检测算法SSD和边缘检测算法CEDN融合,提出了一种端到端的多任务网络,使得边缘检测和目标检测共享基础特征提取网络VGG‑16的参数,让网络在预测物体所属类别以及边框坐标的同时,预测图像中物体的轮廓,从而利用物体轮廓的坐标,约束误差较大的预测边框,提高了目标检测任务和边缘检测任务的正确率。
  • 基于边缘检测阶段目标方法
  • [发明专利]双阶段语义词向量生成方法-CN201911132191.6有效
  • 桂盛霖;刘一飞 - 电子科技大学
  • 2019-11-19 - 2022-05-03 - G06K9/62
  • 本发明提供了双阶段语义词向量生成方法,该方法包括5个步骤:文本矩阵化;特征提取器的构建;语义识别;神经语言模型的构建;义项词向量的生成。本发明使用多个神经网络为多义词的不同语义生成了对应的词向量,解决了传统词级嵌入式中多义词只对应一个词向量的缺陷,且使用的语料库大小在可接受范围内;同时采用卷积神经网络(CNN)和支持向量机(SVM)结合的方式,一方面利用了卷积神经网络的特征提取能力,一方面利用了SVM的泛化性以及鲁棒性,使得词义识别的效果更优,从而使得生成的语义词向量质量更高。
  • 阶段语义向量生成方法
  • [发明专利]面向C语言的源代码克隆检测方法-CN201811105462.4有效
  • 桂盛霖;徐参语;陈一凡 - 电子科技大学
  • 2018-09-21 - 2022-03-15 - G06F8/75
  • 本发明公开了一种面向C语言的源代码克隆检测方法。本发明的技术方案为:采用上下文五官文法对C语言语法进行定义,用于实现对源程序的解析,生成源程序的解析树,再对整个解析树进行转化,得到转化后的解析树,然后再还原为文本形式的源代码。此外还包括对得到的文本形式的源代码进行格式化规范化处理。对得到的C函数通过LCS算法进行克隆检测,得到当前待检测函数的克隆函数检测结果,在克隆检测时,仅将函数的代码序列长度落入其允许的克隆函数的长度范围作为当前待检测函数的克隆比较对象。本发明能够实现对Type3类型克隆的检测,且在一定程度上控制检测的计算量。
  • 面向语言源代码克隆检测方法
  • [发明专利]双阶段文本摘要方法-CN202010896987.5在审
  • 桂盛霖;刘一飞 - 电子科技大学
  • 2020-08-31 - 2020-12-18 - G06F16/34
  • 本发明公开了一种双阶段文本摘要方法,涉及自然语言处理领域。该方法首先从原文本中将与文本主题最为相关的子句抽取出,且尽可能的保证这些子句中包含更多文本关键词,然后将抽取出的内容作为生成式文本摘要模型的输入,进行第二阶段的学习和训练。本发明通过抽取重要的子句,去除了文本的无关或冗余内容,使得进入第二个阶段的语句输入尽量少,保证第二阶段输出摘要的质量尽量高。
  • 阶段文本摘要方法

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