“毛莎莎”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59个，建议您升级VIP下载更多相关专利

[发明专利]一种基于面部表情识别的智能疼痛管理方法及系统-CN202310499266.4在审
发明人：苏斌虓;魏欣逸;缑水平;毛莎莎;顾楠;李昂泽;张昊鹏 -专利权人：中国人民解放军空军军医大学
申请日： 2023-05-06 - 公布日： 2023-07-25 - 主分类号： G06V40/16 文献下载
摘要：一种基于面部表情识别的智能疼痛管理方法，包括以下步骤：S1、采集不同疼痛程度下的面部视频；S2、在采集的面部视频中提取面部图像数据；S3、通过深度学习建立AI疼痛评估模型，对面部疼痛程度进行评估；综上所述，本发明通过采集患者不同疼痛程度下的面部视频，提取面部局部表情，便于捕捉疼痛相关的关键表征及它们之间的关联性，再通过AI疼痛评估模型对数据进行处理分析，得到疼痛程度，根据评估的疼痛程度提供初步的临床用药策略。
一种基于面部表情识别智能疼痛管理方法系统

[发明专利]一种防堆料托盘及机器人自动抓料方法-CN202310500860.0在审
发明人：丁健;戴天;李元哲;徐萌;毛莎莎 -专利权人：无锡职业技术学院
申请日： 2023-05-06 - 公布日： 2023-07-25 - 主分类号： B65D19/38 文献下载
摘要：本发明公开了一种防堆料托盘及机器人自动抓料方法。防堆料托盘包括盘体，盘体安装孔中安装有回转盘；回转盘上开设有均布的贯穿回转盘上下面的气孔；盘体上开设有风道，风道连接气源；包括如下步骤：程序初始化；触发视觉系统模块拍照信号；视觉系统模块分析来料图片匹配到已注册的产品图片，计算产品坐标；机器人系统模块根据产品坐标进行抓取；如果视觉系统模块分析来料图片不能与产品图片匹配，触发防堆料托盘的气源，盘体底部吹气分离堆叠产品。本发明的防堆料托盘结构简单，气源控制方便、易于调节、噪音小，无振动。机器人自动抓料系统能够对来料产品乱序状态进行判定，实现高精度乱序抓取工作，提高生产效率。
一种防堆料托盘机器人自动方法

[发明专利]一种基于特征对抗网络的异源图像模板匹配方法-CN202310233148.9在审
发明人：郭璋;李晟;郑智辉;缑水平;王新林;毛莎莎 -专利权人：西安电子科技大学;北京航天自动控制研究所
申请日： 2023-03-10 - 公布日： 2023-07-14 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于特征对抗网络的异源图像模板匹配方法，包括以下步骤：构建训练集；分别构建特征提取网络、特征映射层和模态判别网络；利用训练数据，使用生成对抗策略对网络进行迭代训练，对待匹配数据集的异源图像进行匹配。本发明基于对抗学习，通过一个特征映射器和一个模态判别网络进行最大最小博弈来达到动态的纳什均衡。在特征映射器中，除了计算两个模态的映射特征的结构损失之外，还引入了纹理复杂度计算和匹配结果约束来确保跨模态的特征在投影到公共子空间后仍然有着很好的表征能力，从而间接实现异源图像的同源转化，降低匹配的难度，提高了异源图像匹配的准确率。
一种基于特征对抗网络图像模板匹配方法

[发明专利]数据处理方法、车辆控制系统及可读存储介质-CN202110614196.3有效
发明人： 毛莎莎;徐磊;孟哲 -专利权人：联合汽车电子有限公司
申请日： 2021-06-02 - 公布日： 2023-07-04 - 主分类号： H04W4/40 文献下载
摘要：本发明提供了一种数据处理方法、车辆控制系统及可读存储介质。其中，所述数据处理方法根据预设规则实时地刷新车联网状态向量；并根据数据请求将当前的所述车联网状态向量的至少一部分内容发送给请求数据的对象。如此配置，通过所述车联网状态向量将车联网中不同的数据流所携带的信息汇总并保持更新，在任何时刻都可以提供完整的信号，解决了现有技术中车联网中不同的数据流之间频率不一致导致在一些时刻部分信号缺失，影响后续的控制策略正常工作的问题，并能够为车辆智能网联服务的控制策略开发提供数据基础。
数据处理方法车辆控制系统可读存储介质

[发明专利]基于多任务transformer的疼痛表情评估方法-CN202310211926.4在审
发明人： 毛莎莎;李昂泽;何婧洁;缑水平;焦李成 -专利权人：西安电子科技大学
申请日： 2023-03-07 - 公布日： 2023-06-09 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及一种基于多任务transformer的疼痛表情评估方法，属于图像处理与模式识别技术领域，包括以下步骤：S1、表情数据预处理；S2、建立多任务transformer疼痛评估模型；S3、获取输入图像；S4、对输入图像进行局部特征提取；S5、基于自注意力的局部特征进行加权结合；S6、疼痛表情分类；S7、疼痛表情分数回归；S8、更新网络参数；S9、重复步骤S3～S8，直到损失函数值趋于稳定。本发明利用transformer结构进一步挖掘了局部特征间的关系，提升提取到的特征质量，采用分类和回归的多任务模型，克服了情感模糊性带来的边界样本分类困难问题，提升了网络对于疼痛表情的评估准确度。
基于任务 transformer 疼痛表情评估方法

[发明专利]混合动力车辆能量管理优化方法、装置及系统-CN202310193605.6在审
发明人：孟哲;徐磊;毛莎莎 -专利权人：联合汽车电子有限公司
申请日： 2023-03-02 - 公布日： 2023-06-06 - 主分类号： B60W20/11 文献下载
摘要：本发明公开了一种混合动力车辆能量管理优化方法、装置及系统，属于车辆检测技术领域。该方法适用于混合动力车辆能量管理优化系统。该系统中，智能车控终端将混动车相关运行数据，车辆位置GPS信息，导航路线路况信息上传至云端；云端具有一定计算和存储能力，云端对多源数据进行综合处理，并预估车辆电耗，计算并下发目标行驶电耗规划；进而智能车控终端根据云端下发的规划指令并结合实际车况，实时调整车辆控制策略，以解决相关技术中混合动力汽车能量管理策略缺乏实际运行工况考虑的问题。
混合动力车辆能量管理优化方法装置系统

[发明专利]基于超像素样本扩充的空谱全卷积高光谱图像分类方法-CN202010485713.7有效
发明人：王佳宁;李林昊;郭思颖;黄润虎;杨攀泉;焦李成;侯彪;张向荣;毛莎莎 -专利权人：西安电子科技大学
申请日： 2020-06-01 - 公布日： 2023-05-30 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于超像素样本扩充的空谱全卷积高光谱图像分类方法，输入高光谱图像；获取训练集与测试集；对高光谱图像进行主成分分析并降维；对降维结果进行熵率分割；生成伪标签样本；更新训练集；对高光谱图像进行数据预处理；输入卷积神经网络；训练卷积神经网络，对高光谱图像进行分类；重复以上操作并投票表决；输出高光谱分类结果。本发明利用熵率超像素分割结果进行了伪标签样本的扩充，充分利用了高光谱图像的先验特征，增加样本数量，缓解了网络过拟合、网络收敛速度慢的问题，提高了有标记样本稀缺情况下高光谱图像分类的准确性。
基于像素样本扩充空谱全卷积光谱图像分类方法

[发明专利]基于ODE和GRUD的急性病症发生几率的评估方法-CN202110431318.5有效
发明人：缑水平;刘宁涛;苏斌虓;毛莎莎;高若曦;贺晨;蒋昆;黄陆光;刘仁怀 -专利权人：西安电子科技大学;中国人民解放军空军军医大学
申请日： 2021-04-21 - 公布日： 2023-05-30 - 主分类号： G16H50/70 文献下载
摘要：本发明提出了一种基于ODE和GRUD的急性病症发生几率的评估方法，用于解决现有技术中存在的没有同时考虑时序数据的临床指标缺失和采样的时间间隔不均匀导致的评估准确性较低的技术问题。实现步骤为：获取多临床指标的时序数据集、时间戳序列集和急性病症标签集；获取信息衰减表征训练样本集、信息衰减表征验证集样本和信息衰减表征测试样本集；构建基于ODE和GRUD的门控递归单元网络；对基于ODE和GRUD的门控递归单元网络进行迭代训练；获取急性病症发生几率的评估结果。本方法能够兼顾时序数据的临床指标缺失和采样时间间隔不均匀的问题，将临床指标缺失的影响纳入隐藏态更新的过程，提升急性病症发生概率估计的准确性。
基于 ode grud 急性病症发生几率评估方法

[发明专利]基于多尺度相似指导网络的SAR舰船目标分割方法-CN202110907055.0有效
发明人：李睿敏;逯皓帆;缑水平;李继超;毛莎莎;任子豪;白苑宁;牟金明 -专利权人：西安电子科技大学
申请日： 2021-08-09 - 公布日： 2023-05-05 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于多尺度相似指导网络的舰船目标分割方法，主要解决现有技术在小样本条件下对舰船目标分割结果较差的问题。其方案是：将现有的不同地区且包含不同成像方式的SAR图像舰船目标分割数据集构建原始数据集；将原始数据集构建为小样本分割训练数据集和小样本分割测试数据集；构建由支撑图像的特征提取支路、查询图像的特征提取支路、相似度指导模块及生成支路构成的多尺度相似指导网络；使用小样本训练集对该网络进行训练；将小样本测试集输入到训练好的网络中得到舰船目标的分割结果。本发明相较于其他小样本语义分割方法，有效减少目标域上数据所需标注数据的数量，提高了小样本语义分割效果。可用于SAR图像解译的中间处理。
基于尺度相似指导网络 sar 舰船目标分割方法

[发明专利]基于双门控递归单元解码的喉镜图像识别方法-CN202010882806.3有效
发明人：缑水平;刘宁涛;马兰;李国栋;毛莎莎;童诺;姚瑶;李阳阳 -专利权人：西安电子科技大学
申请日： 2020-08-28 - 公布日： 2023-05-05 - 主分类号： G06V20/50 文献下载
摘要：本发明公开了一种基于双门控递归单元解码的喉镜图像识别方法，主要解决现有方法无法用于光学喉镜图像，及生成的医学文本报告准确性差和可读性不足的问题。其实现方案为：获取光学喉镜图像数据集以及相应的医学文本报告，并对医学文本报告进行分词和编码操作得到标签数据集；对图像数据集进行缩放和中心化处理，并与标签数据集一同记为训练数据集；构造一个包含13个卷积层、4个池化层和2个门控递归单元的综合网络，并使用训练数据集，利用自适应学习率优化算法对其训练；将一张无标签的光学喉镜图像作为测试数据输入到训练好的综合网络，得到测试图像识别后对应的医学报告。本发明提高了生成文本的准确性和可读性，可用于对喉镜图像的识别。
基于门控递归单元解码喉镜图像识别方法

[实用新型]一种水源取样检测装置-CN202223569213.5有效
发明人：刘文晓;闫雯雯;李鹏冲;李唯伊;郭敏;赵杨;毛莎莎;韩小平 -专利权人：刘文晓
申请日： 2022-12-26 - 公布日： 2023-04-28 - 主分类号： G01N1/14 文献下载
摘要：本实用新型公开了一种水源取样检测装置，包括取样仪，所述取样仪的内部固定连接有水泵，所述水泵的输入端固定连接有取样管，所述取样管伸出取样仪，所述取样管的一侧设有控制阀，所述取样仪的内部固定连接有存液箱。本实用新型采用上述结构，在过滤网的一侧固定第一插座与第二插座，在取样管上开设插孔与插槽，第一插座插入插孔内，第二插座插入插槽内，并在密封垫的作用下，使过滤网与取样管紧密贴合，同时夹紧板与取样管外表面贴合，然后通过螺丝固定，结构简单，连接紧密，防止杂质从过滤网缝隙进入取样管内，也防止过滤网容易松动脱落，提高过滤网安装时的稳定性，确保过滤网的正常使用，有利于取样仪的取样工作。
一种水源取样检测装置

[发明专利]基于全概率协同分割的极化合成孔径雷达变化检测方法-CN202010143794.2有效
发明人：缑水平;张沛阳;牟金明;刘波;任海洋;毛莎莎;焦昶哲;李哲 -专利权人：西安电子科技大学
申请日： 2020-03-04 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于全概率协同分割的极化合成孔径雷达变化检测方法，主要解决现有技术对噪声不鲁棒，依赖人工标注数据及无法给出发生变化具体类别的问题。其实现步骤为：输入极化相干矩阵T，从中提取极化特征；使用极化特征进行谱聚类和判别聚类，得到初始的分割结果；对初始的分割结果进行全概率协同分割，得到两幅图像的协同分割结果和变化检测结果；从变化检测结果中筛选出所有发生变化的像素，从协同分割结果中提取所有发生变化像素在变化前后的类别，确定出该像素发生变化的具体类别。本发明提高了对噪声的鲁棒性，无需人工标注，使应用更加广泛，且可给出像素发生变化的具体类别，可用于两时相雷达图像的地物分类、变化检测和变化识别。
基于概率协同分割极化合成孔径雷达变化检测方法

[发明专利]基于双变换网络的深度学习SAR图像配准方法-CN202211433018.1在审
发明人： 毛莎莎;路世明;杨谨瑗;路凯;缑水平;焦李成 -专利权人：西安电子科技大学
申请日： 2022-11-16 - 公布日： 2023-03-03 - 主分类号： G06T7/33 文献下载
摘要：本发明公开一种基于双变换网络的深度学习SAR图像配准算法，主要解决现有深度学习的SAR配准方法获取匹配的图像对困难，匹配精度低，人工标注数据集成本过高及类别不平衡的问题。其实现方案为：1)生成训练和测试数据集。2)设置深度图像分类网络的分类头类别数目，构建双变换网络的两个分支；3)训练双变换网络的两个分支，并利用训练好的双变换网络进行初步匹配，4)在初步匹配的基础上进行精细匹配；5)取两条支路共同认可的点对，并根据精细匹配的结果更新点对，获得最终匹配结果。本发明获取图像对简单且无需人工标注，数据集类别平衡，匹配精度高，可用于地质矿物资源检测及数字地形模型提取。
基于变换网络深度学习 sar 图像方法

[发明专利]基于自动分割和骨盆对齐的前列腺图像配准系统及方法-CN201910631224.5有效
发明人：缑水平;田茹;陈姝喆;刘豪锋;毛莎莎;焦昶哲;陈佳伟;焦李成 -专利权人：西安电子科技大学
申请日： 2019-07-12 - 公布日： 2022-12-06 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于自动分割和骨盆对齐的前列腺图像配准系统及方法，主要解决现有技术实现前列腺多模态医学图像配准时模态差异大，配准精度低的问题。其实现方案是：将前列腺CT图像序列与前列腺MRI图像序列分别利用训练好的前列腺多模态图像分割网络U‑net进行联合分割，得到前列腺CT图像分割结果图像集C和前列腺MRI图像分割结果图像集M，再对这两个图像集C和M进行两阶段配准，得到最终配准图像集L；最后将最终配准图像集L和前列腺CT图像分割结果图像集C融合并显示。本发明缩小了前列腺多模态图像差异，解决了小形变图像配准问题，提高多模态图像配准效率和配准精度，可用于观察前列腺肿瘤解剖部位的形状和位置变化。
基于自动分割骨盆对齐前列腺图像系统方法

[发明专利]基于集成约束多示例学习的高光谱目标检测方法-CN202110074633.7有效
发明人：焦昶哲;李嘉铭;缑水平;王秀秀;毛莎莎;陈晓莹 -专利权人：西安电子科技大学
申请日： 2021-01-20 - 公布日： 2022-12-02 - 主分类号： G06V20/13 文献下载
摘要：本发明提出了一种基于集成约束多示例学习的高光谱目标检测方法，用于解决现有技术对复杂场景下的高光谱目标检测效果差的问题，实现步骤为：1)获取训练样本集和测试样本集；2)构建集成约束多示例学习网络W；3)对集成约束多示例学习网络W进行迭代训练；4)获取高光谱的目标检测结果。本发明将集成约束与多示例学习相结合，使得包中每一个像素点都能参与到网络的训练过程中，提高了不精确标记的高光谱目标的检测结果，减小了过拟合现象，可用于爆炸物检测，精准农业，食物安全的分析与检查。
基于集成约束示例学习光谱目标检测方法

1
2
3
4
下一页»
尾页
共 59 条