“程旋”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31个，建议您升级VIP下载更多相关专利

[发明专利]一种适合于深海浅层多气合采事故油气回收的吸力锚井口装置-CN202210310370.X有效
发明人：朱渊;史嘉欣;王梅超;吴佳;程旋;孙慧琳;王旭;张宇;宋小帅 -专利权人：中国石油大学（华东）
申请日： 2022-03-28 - 公布日： 2023-09-29 - 主分类号： E21B33/035 文献下载
摘要：本发明涉及深海浅层油气钻采领域，具体涉及一种适合于深海浅层多气合采事故油气回收的吸力锚井口装置。本发明包括吸力锚顶盖、井口本体、内导管、吸力锚内隔室底板、吸力锚外筒、收集导管、单向阀、加强筋、支撑结构；吸力锚顶盖上设有流通阀门、井口本体、吊环、吸力泵接口、压力表；井口本体下部与内导管连接，吸力锚内隔室底板位于吸力锚内部，中心开有中心孔，上部设有流通孔、收集导管；收集导管下部连接有相匹配的单向阀。本发明增大了吸力锚井口承载能力，井身结构优化空间大，可进行深海浅层钻井可能出现的浅层气井喷、井涌、油气泄露事故后的油气回收处理，减少油气泄露对海洋环境、大气环境的污染，具有环保价值。
一种适合于深海浅层多气合采事故油气回收吸力井口装置

[发明专利]肝胆管细胞癌术后的复发情况预测方法-CN202310743593.X在审
发明人：刘明辉;王晓敏;范世晓;刘念伯;龚海刚;程旋;刘明 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2023-06-21 - 公布日： 2023-09-12 - 主分类号： G16H50/30 文献下载
摘要：本发明公开了肝胆管细胞癌术后的复发情况预测方法，涉及计算机技术领域，包括S1构建复发情况预测模型，复发情况预测模型包括图像分割模块、指标数据分析模块和预测分析模块；S2获取训练数据集，训练数据包括CT图像和病例指标；S3训练数据集导入复发情况预测模型，并对其进行训练优化；S4获取待预测数据；S5利用优化后的复发情况预测模型对待预测数据进行分析得到，肝胆管细胞癌术后的复发情况；除了对CT图像进行充分利用外，本方法还将病例所对应的指标数据与其图像数据进行了融合使用，以补充CT图像无法表达的信息。通过不断地优化训练，最终得到了具有良好性能的术后复发情况预测模型。
肝胆细胞术后复发情况预测方法

[发明专利]板材多道次柔性翻边成形角度分配方法-CN202310656449.2在审
发明人：程旋;陈伟;赵亦希;于忠奇 -专利权人：上海交通大学
申请日： 2023-06-05 - 公布日： 2023-09-12 - 主分类号： B21D19/04 文献下载
摘要：一种板材多道次柔性翻边成形角度分配方法，根据目标翻边件特征，确定翻边总道次数；根据计算得到的翻边线半径列出翻边角分配函数并求解得到每道次的翻边角度，实现柔性翻边成形。本发明通过合理选择翻边道次数，降低翻边区域材料加工硬化程度；并且随着翻边道次数的增加，逐渐降低翻边角增量，可减小翻边成形力，更容易进行回弹调控，提高板料翻边成形精度，有效地解决了多道次柔性翻边成形技术现有不足，方法简单可行，可快速确定各道次翻边成形角度分配，有效地提高了成形质量和成形效率。
板材多道柔性成形角度分配方法

[发明专利]基于深度学习构建肾透明细胞癌分级模型的方法-CN202310642810.6在审
发明人：刘明辉;王晓敏;范世晓;刘念伯;龚海刚;程旋;刘明 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2023-06-01 - 公布日： 2023-08-29 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了基于深度学习构建肾透明细胞癌分级模型的方法，包括获取肾透明癌细胞患者的CT图像；CT图像进行切割，获得切割图像；对切割图像进行旋转生成操作并标注，基于RegNetY400MF、RegNetY800MF、SE‑ResNet50和ResNet101四类网络模型，以普通交叉熵为损失函数，使用旋转后的切割图像对四类网络模型进行预训练；在普通的交叉熵中加入噪声修正策略作为损失函数，对经过预训练的四类网络模型进行实际训练；实际训练完成后的四类网络模型基于输出概率最大的CT图像对患者的病理进行诊断，获得四类网络模型的表现AUC；以四类网络模型的表现AUC作为其权重，对患者的最终诊断进行加权计算，得到其最终诊断，本申请实现了更有效的模型集成，达到了更好的最终预测准确度。
基于深度学习构建透明细胞分级模型方法

[发明专利]多道次柔性翻边成形轨迹优化方法-CN202310656453.9在审
发明人：赵亦希;程旋;陈伟;于忠奇 -专利权人：上海交通大学
申请日： 2023-06-05 - 公布日： 2023-07-28 - 主分类号： B21D19/04 文献下载
摘要：一种多道次柔性翻边成形轨迹优化方法，根据目标翻边件材料设置翻边回弹补偿准则，结合根据翻边件零件特征确定的多道次柔性翻边成形策略，综合得到理论翻边成形轨迹和总成形时间；在实际翻边机构成形过程中，通过视觉系统采集实时工况数据并导入成形轨迹预测算法，预测下一时刻成形轨迹，实现翻边机构的闭环控制，直至完成整个翻边成形过程。本发明方法简单可行，可减少多道次翻边后回弹补偿次数，避免多道次翻边后回弹难补偿等问题，有效地提高了成形效率及成形质量，在航空航天、船舶及汽车制造等工程领域具有重要的工程应用价值。
多道柔性成形轨迹优化方法

[发明专利]一种丰富数据模式的数据增强方法-CN202211492454.6在审
发明人：王晓敏;卢辉;解天舒;程旋;刘明辉;龚海刚;吴磊;刘明 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-11-25 - 公布日： 2023-05-09 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及一种丰富数据模式的数据增强方法，包括：将每个样本图像框选一个与样本图像大小一样的图像框，将样本图像朝图像框某一个方向移动，且移动的距离小于移动方向上样本图像的长度；将移出图像框外的图像信息作为填充部分重新填充会完成图像移动步骤后图像框中的空白区域，与图像框内的图像信息构成跟原始样本图像大小相同的新样本图像，实现样本数据的增强。本发明通过简单有效地操作，产生新的训练样本，可以在已有的数据增强方法上无缝叠加，能在已有的数据增强方法产生的样本基础上，生成更多的新的训练样本，而更多的训练样本意味着训练数据集具有更为丰富的数据模式，从而提高网络模型的性能，以及网络模型的鲁棒性和泛化性。
一种丰富数据模式增强方法

[发明专利]一种基于潜层表征的主动学习样本标注方法-CN202211599181.5在审
发明人：龚海刚;孙怡忻;吴磊;刘明;王晓敏;刘明辉;解天舒;程旋 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-12-12 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于潜层表征的主动学习样本标注方法，述样本标注方法包括：S1、特征提取步骤：通过自动编码器模拟从病理图像中提取潜层的表征；S2、判别步骤：将病理图像作为判别器D的输入，训练一个二分类模型，通过判别器D区分有标签和无标签的样本数据集，得到概率值；S3、样本标注步骤：设置样本选择策略ALHS，根据判别器的输出概率值分布通过样本选择策略ALHS选择未标注的样本进行标注，实现病理数据集的自动标注。本发明能够极大减轻病理学家标注数据集的沉重负担，能够缓解样本冗余问题，提高样本选择的质量；能够极大地节省样本标注成本；通用性强，能适用于类不平衡和噪声样本的场合。
一种基于表征主动学习样本标注方法

[实用新型]孔加工工装-CN202223038668.4有效
发明人：程旋;敬正甫;江秀勇 -专利权人：箭牌家居集团股份有限公司
申请日： 2022-11-15 - 公布日： 2023-04-07 - 主分类号： B21D28/34 文献下载
摘要：本申请公开了一种孔加工工装。本申请的孔加工工装包括承载台、定位件、加工组件和退料组件。其中，承载台设置有朝向相反的第一面和第二面，以及第一通孔，第一通孔对应于工件。定位件用于供工件套设。加工组件连接于第一面，加工组件包括第一驱动件和加工件，第一驱动件能够驱动加工件运动，加工件用于在工件上打孔。退料组件包括第二驱动件和顶升件，顶升件穿设于第一通孔，第二驱动件能够驱动顶升件沿第一通孔的延伸方向运动。工件套设于定位件后，加工组件对工件进行孔加工，随后第二驱动件驱动顶升件沿第一通孔的延伸方向移动，突出于第二面并抵接于工件，推动工件与定位件分离，实现工件与定位件的快速分离，能够提高对工件的加工效率。
加工工装

[发明专利]基于强化学习的检测模型训练方法及相关装置-CN202210625588.4在审
发明人：杜鸿飞;陈思颖;刘明;王晓敏;龚海刚;程旋;刘明辉;解天舒;邓佳丽 -专利权人：电子科技大学
申请日： 2022-06-02 - 公布日： 2022-10-25 - 主分类号： G06V10/774 文献下载
摘要：本申请提供的基于强化学习的检测模型训练方法及相关装置中，模型训练设备利用强化学习的思想，基于当前构建策略为多个初始模型构建不同的损失函数，用于训练出多个候选模型；然后，从多个候选模型中确定出训练效果最好的作为目标模型；并根据目标模型对病灶的识别精度更新构建策略；以及将目标模型复制多份作为下一轮迭代周期的多个初始模型。如此，经过至少一轮的迭代，获得满足预设条件的病灶检测模型。因此，在以上训练过程中，自动最优地选择损失函数，从而能够避免人为选择损失函数所引入的主观影响，从而在一定程度上提升所训练病灶检测模型的泛化能力。
基于强化学习检测模型训练方法相关装置

[发明专利]基于机器人的柔性渐进翻边成形方法-CN202111024439.4有效
发明人：程旋;赵亦希;于忠奇 -专利权人：上海交通大学
申请日： 2021-09-02 - 公布日： 2022-09-30 - 主分类号： B21D19/04 文献下载
摘要：一种基于机器人的柔性渐进翻边成形方法，在工艺规划阶段，设置工具头首先沿Z轴运动至运动起始点，然后绕Z轴进行多道次翻边成形，计算得到每道次翻边角度和工具头每道次沿径向前进距离，并根据测量得到的目标翻边件的翻边开角、圆弧开角、待处理板料的板料平面部分外径、过渡部分圆角半径以及翻边部分长度计算得到每道次工具头初始坐标，再将初始坐标以及与板料接触点的弯曲半径计算得到任意道次任意时刻工具头的位置坐标；在执行阶段，通过工业六轴机器人控制位姿的工具头以规划得到的位置坐标进行翻边件快速精确成形。本发明能够有效地解决了钣金翻边件现有成形技术的不足，方法简单可行，生产效率高。
基于机器人柔性渐进成形方法

[发明专利]图像生成模型训练方法、图像生成方法及相关装置-CN202210625806.4在审
发明人：杜鸿飞;邓攀;刘明;王晓敏;龚海刚;刘明辉;程旋;邓佳丽;解天舒 -专利权人：电子科技大学
申请日： 2022-06-02 - 公布日： 2022-09-06 - 主分类号： G06V10/774 文献下载
摘要：本发明的提供图像生成模型训练方法、图像生成方法及相关装置，方法包括：获取随机噪声样本和图像样本；根据随机噪声样本和图像样本，对初始的生成对抗网络进行迭代训练，直到预构建的损失函数达到设定条件，将训练后的生成对抗网络作为图像生成模型；其中，损失函数是基于随机噪声样本得到的生成图像之间的距离信息、生成图像和图像样本的判别信息以及预设参数信息构建的；迭代训练用于降低生成图像之间的相似度。针对相似度很高的噪声，本发明可以得到不同的生成图像，拉大生成图像对应的分布模式之间的距离，从而可以解决模式崩溃问题。
图像生成模型训练方法相关装置

[发明专利]图像分类模型训练方法、图像分类方法、电子设备和存储介质-CN202210625461.2在审
发明人：解天舒;杨宇航;刘明;王晓敏;龚海刚;程旋;刘明辉;邓佳丽 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-06-02 - 公布日： 2022-08-30 - 主分类号： G06V10/44 文献下载
摘要：本发明的实施例提供了一种图像分类模型训练方法、图像分类方法、电子设备及存储介质，涉及计算机视觉领域。获取已标注类型标签的多张图像样本。针对每一张图像样本，将图像样本输入至图像分类模型，在图像分类模型中的任意一层卷积层中，从图像样本中提取出多张具有不同通道的特征图像。其中，不同通道表征图像样本不同的图像特征。利用预测得到的图像样本的类型标签和特征图像的类型标签，以及该图像样本已标注的类型标签，计算得到图像分类模型的损失值，基于该损失值调整图像分类模型的参数。重复执行上述步骤，以使可以达到预期训练目标。如此，由于没有增加输入图像分类模型的图像样本的数量，使得每次模型训练耗费的时间更少。
图像分类模型训练方法电子设备存储介质

[发明专利]图像分类模型训练方法、图像分类方法及相关装置-CN202210626206.X在审
发明人：邓佳丽;丁子霖;刘明;龚海刚;王晓敏;刘明辉;程旋;解天舒 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-06-02 - 公布日： 2022-08-30 - 主分类号： G06V10/44 文献下载
摘要：本发明的实施例提供了一种图像分类模型训练方法、图像分类方法及相关装置，涉及图像处理领域。首先，获取原始图像及原始图像的类型标签；将原始图像输入预先构建的图像分类模型，图像分类模型包括特征提取网络和类型预测网络，特征提取网络包括N个依次串联的卷积层；再利用特征提取网络对原始图像进行特征提取，得到第N个所述卷积层输出的第一特征图和第N‑1个卷积层输出的第二特征图；基于第一特征图、类型标签和预设的多个二值掩码，生成第一训练集，基于第二特征图、类型标签和多个二值掩码，生成第二训练集；最后，利用第一训练集和第二训练集对类型预测网络进行训练，得到训练后的图像分类模型，从而减少模型训练过程产生的额外开销。
图像分类模型训练方法相关装置

[发明专利]一种基于通道自监督的在线知识蒸馏方法-CN202210674288.5在审
发明人：刘明;王晓敏;范世晓;龚海刚;程旋;解天舒;邓佳丽 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-06-14 - 公布日： 2022-08-16 - 主分类号： G06V10/44 文献下载
摘要：本发明涉及一种基于通道自监督的在线知识蒸馏方法，包括：粗粒度特征提取步骤：将数据进行归一化处理后的输出结果output分别输入到两个网络模型中进行特征提取；自监督学习步骤：将经过粗粒度特征提取步骤后的特征图输入到样本多样性模块中进行特征转换操作，对数据输出不同的联合标签；在线动态蒸馏步骤：通过对两个网络模型分别设置一个动态系数对具有同样特征转换的分支之间进行相互学习，不断优化两个网络多样性模块的权重，并在损失函数值最小时输出输入样本的标签。本发明随着样本、网络和分支多样性的增强，样本数据量变大，人工标注标签任务繁琐，在知识蒸馏中加入自监督学习，使其不需要人工干预，可以降低成本和资源。
一种基于通道监督在线知识蒸馏方法

[发明专利]板材随动式机器人柔性渐进翻边成形优化方法-CN202111462574.7有效
发明人：程旋;赵亦希;陈伟 -专利权人：上海交通大学
申请日： 2021-12-02 - 公布日： 2022-08-09 - 主分类号： B21D19/04 文献下载
摘要：一种板材随动式机器人柔性渐进翻边成形优化方法，根据目标翻边件特征，并引入修正系数，确定每道次翻边角度；根据滚轮长度设置待成形板料下表面与圆心距离并确定滚轮初始位置；以待成形板料的下平面为基准面，待成形板料的圆心为原点，根据每道次翻边角度以及滚轮半径，确定每道次滚轮初始坐标；最后根据设备属性计算得到不同成形轨迹下的板材随动角速度；基于成形精度判断依据，进行有限元迭代计算，反复修改修正系数，直至成形精度满足要求。本发明能够快速匹配板材随动速度和机器人成形滚轮速度，无需停机即可确定下一道次成形轨迹初始位置，实现翻边成形连续进行，有效地提高成形生产节奏，使得成形节拍更加紧凑，提高成形效率及成形质量。
板材随动式机器人柔性渐进成形优化方法

1
2
3
下一页»
尾页
共 31 条