“姜丽希”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3个，建议您升级VIP下载更多相关专利

[发明专利]一种基于无监督学习的可迭代纹理滤波方法及系统-CN202210475155.5在审
发明人： 姜丽希 -专利权人：浙江安防职业技术学院
申请日： 2022-04-29 - 公布日： 2022-08-12 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于无监督学习的可迭代纹理滤波方法，包括获取图像数据集并对图像尺寸进行预处理，且将预处理后的图像数据集作为训练集；构建无监督纹理滤波神经网络模型，并采用卷积层提取图像的特征，对无监督纹理滤波神经网络模型进行优化；将训练集作为优化后的无监督纹理滤波神经网络模型的输入，并在损失函数中植入双边纹理滤波平滑项进行模型训练，得到训练好的无监督纹理滤波神经网络模型；将待测图像输入到已训练好的无监督纹理滤波神经网络模型中，得到纹理滤波后的图像。实施本发明，无需成对匹配的数据集作为训练数据，能够快速的捕捉图像中纹理信息，不仅去除纹理性能优异，而且运行速度快。
一种基于监督学习可迭代纹理滤波方法系统

[发明专利]基于无监督学习的非局部神经网络图像处理方法及系统-CN202110745634.X在审
发明人： 姜丽希 -专利权人：浙江安防职业技术学院
申请日： 2021-07-01 - 公布日： 2021-11-09 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于无监督学习的非局部神经网络图像处理方法，包括获取图像数据集，把图像数据集中图像进行统一尺寸调整之后作为神经网络的训练集；构建非局部神经网络；将训练集中的图像作为非局部神经网络的输入，并基于无监督学习训练非局部神经网络，得到训练好的非局部神经网络；获取待平滑图像，将待平滑图像输入到已训练好的非局部神经网络中，得到平滑后的图像。实施本发明，任何图像都可以用来训练神经网络，避免没有训练集目标平滑结果而无法训练神经网络的弊端，不但获得高质量的图像平滑结果，还避免了训练神经网络时效果近似于传统全局最优化的图像平滑方法的弊端。
基于监督学习局部神经网络图像处理方法系统

[实用新型]一种可倒地断电的电风扇-CN201920370585.4有效
发明人： 姜丽希;郭清成 -专利权人：浙江安防职业技术学院
申请日： 2019-03-22 - 公布日： 2019-12-10 - 主分类号： F04D25/08 文献下载
摘要：本实用新型公开了一种可倒地断电的电风扇，底座、机身、扇叶，防护罩及驱动电机，底座的上表面设置有供电端口和启闭开关，供电端口用于与外部电源连接来对驱动电机进行供电，启闭开关串联于供电端口与驱动电机的供电电路上并用于控制两者之间的通断电连接，底座内部设置有非自锁式的安全开关，该安全开关串联于供电端口与驱动电机的供电电路上；安全开关具有一控制其自身导通或断开的按钮，底座的下表面开设有一通孔，安全开关的按钮位于通孔内并伸出通孔；当底座放置于地面上时，安全开关的按钮被地面推挤而触发导通，同时由于地面的推挤会缩回至底座内部。本实用新型具有以下优点和效果：当电风扇倒地时能及时切断电源，并提醒用户。
安全开关供电端口驱动电机按钮底座本实用新型底座内部供电电路启闭开关电风扇通孔推挤串联防护罩触发导通底座放置非自锁式切断电源提醒用户外部电源缩回上表面通断电下表面导通机身扇叶断开断电伸出供电