“詹文鹏”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度特征记忆库的无监督缺陷检测方法及终端-CN202211618023.X有效
发明人：童同;詹文鹏;杨和;刘文哲;高钦泉 -专利权人：福建帝视科技集团有限公司
申请日： 2022-12-16 - 公布日： 2023-06-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度特征记忆库的无监督缺陷检测方法及终端，涉及无监督缺陷检测技术领域，输入待检图片至预训练模型，提取待检图片的矩阵特征；输入待检图片的矩阵特征至特征描述器，以对待检图片的矩阵特征进行融合编码，得到待检图片的泛化特征；将待检图片的泛化特征与核心特征库的特征进行比对，得到待检图片的泛化特征与核心特征库的特征的向量相似度，对向量相似度归一化得到异常得分，若异常得分超过设定阈值，判断为缺陷。其通过增加可训练的特征描述器其做进一步的特征调整，使特征泛化，能自适应图像旋转、缩放等常见操作，不会因为这些常见的操作导致分割区域异常。
一种基于深度特征记忆监督缺陷检测方法终端

[发明专利]焊接除尘装置-CN202210996113.6有效
发明人：胡瑶文;李鹏飞;张志宏;李健;邹洋;詹文鹏;郑石雄;齐聪成 -专利权人：江苏时代新能源科技有限公司;宁德时代新能源科技股份有限公司
申请日： 2022-08-18 - 公布日： 2023-04-07 - 主分类号： B23K26/21 文献下载
摘要：本申请公开一种焊接除尘装置，焊接除尘装置包括本体、第一除尘机构和第二除尘机构。本体沿第一方向的两端分别设有激光射入口和激光射出口，本体的内部形成有腔室，腔室连通激光射入口和激光射出口，本体包括第一壁和第二壁，第一壁设置有与腔室连通的第一吸尘口，第二壁设置有与腔室连通的第二吸尘口，沿第一方向，第二吸尘口的中心到激光射出口的距离小于第一吸尘口的中心到激光射出口的距离，第一除尘机构连接于第一吸尘口。第二除尘机构连接于第二吸尘口。本申请提供的技术方案能够提高电池的质量。
焊接除尘装置

[发明专利]一种基于划痕检测及图像补全的老照片修复方法-CN202211502920.4在审
发明人： 詹文鹏;邓炜;童同;高钦泉 -专利权人：福建帝视信息科技有限公司
申请日： 2022-11-28 - 公布日： 2023-03-14 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于划痕检测及图像补全的老照片修复方法，涉及神经网络技术领域，获取待修复照片，并将待修复照片输入检测网络，得到缺陷位置的语义分割图；将缺陷位置的语义分割图和待修复照片输入图像补全网络，得到修复后的照片；其通过深度学习模型识别缺陷位置，进行图像补全来实现修复，不需要参考照片，在实际使用时，具有更好的通用性，且通过unet模型能实现对于缺陷位置的识别，再通过生成对抗网络，能即使是在缺陷面积较大的情况下，依然能够保持良好的修复效果。
一种基于划痕检测图像照片修复方法

[发明专利]逆色调映射系统、方法及其神经网络系统-CN202210350210.8在审
发明人：毕江;林平;孙海峰;贺文林;赵新生;刘盼;周宏;詹文鹏 -专利权人：北京广播电视台;福建帝视信息科技有限公司
申请日： 2022-04-02 - 公布日： 2022-07-29 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及逆色调映射系统、方法及其神经网络系统，提供逆色调映射系统中特征提取模块3基于不同的感受野从SDR视频帧Its提取特征信息，通过拼接操作得到复合特征图。画面重建模块4由四个包含自注意力层的残差群组串联而成。复合特征图通过第1残差群组41、第2残差群组42、第3残差群组43、第4残差群组44的特征提取通路提取特征的同时，各个残差群组41的输入与通过特征提取通路提取的特征图做相加操作作为下一个残差群组的输入。第4残差群组44的特征提取通路提取的特征图与输入的复合特征图做相加操作得到用于重建的特征图。通过卷积操作得到HDR品质的视频帧Ith’。
色调映射系统方法及其神经网络

[发明专利]一种基于密度估计的后厨脏乱差评价方法-CN202110572399.0有效
发明人：谢军伟;蔡承学;詹文鹏;陈弘林;罗鸣;童同;高钦泉 -专利权人：福建帝视信息科技有限公司
申请日： 2021-05-25 - 公布日： 2021-12-14 - 主分类号： G06K9/00 文献下载
摘要：本发明提出一种基于密度估计的后厨脏乱差评价方法，包括以下步骤；步骤S1、收集后厨视频，从其对应的视频帧中抽取后厨图像X；步骤S2、以人工在后厨图像X内标注出图像中存在的脏乱差区域形成尺寸在预设范围内的标注框，并对脏乱差情况进行评分；步骤S3、根据标注框的分布及标签来构建与后厨图像X同等大小的脏乱密度图M；对多幅脏乱密度图M进行尺寸处理及归一化；步骤S4、以后厨图像X、脏乱密度图M的图像数据构建及训练用于脏乱差评价算法的神经网络；步骤S5、以神经网络来对视频图像中的后厨脏乱差程度进行评估；本发明通过卷积神经网络自动对场景的脏乱差情况进行打分，同时采用脏乱密度图标识出脏乱差具体位置，有助于商家改进后厨环境。
一种基于密度估计脏乱差评价方法