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32个,建议您升级VIP下载更多相关专利
  • [发明专利]一种可见光相机的空间卫星目标图像仿真方法-CN202211614330.0在审
  • 屈晓磊;鲁泓言;周家乐 - 北京航空航天大学
  • 2022-12-15 - 2023-04-18 - G06T15/06
  • 本发明公开了一种可见光相机的空间卫星目标仿真方法,包括对已有的三维卫星模型进行贴图、渲染处理后设计光照环境和追踪星拍摄角度上进行设计:在卫星的光照环境上,同时设置太阳光源仿真和环境光源仿真;调整相机位置得到不同距离、角度的渲染卫星图像集;采用生成对抗网络模型,利用渲染卫星图像和真实空间卫星目标图像进行训练,利用反向传播来不断调整网络的权重,更新结构参数,得到最优的参数权重。本方法得到的空间卫星目标图像质量更高,并接近真实的空间卫星目标图像;进一步增强了空间目标卫星的多样性,提高了训练空间目标卫星检测任务和部件分割任务模型的鲁棒性。
  • 一种可见光相机空间卫星目标图像仿真方法
  • [发明专利]一种可见光卫星图像部件语义分割方法-CN202211614329.8在审
  • 屈晓磊;周家乐;鲁泓言 - 北京航空航天大学
  • 2022-12-15 - 2023-04-07 - G06V10/26
  • 本发明公开了一种可见光卫星图像部件语义分割方法,包括对现有的三维卫星模型进行纹理贴图、模拟真实环境以及追踪相机的角度和距离仿真获得可见光卫星图像,并对其标注得到标签图像,构建出可见光卫星图像数据集,基于TransUnet网络结构加入全分辨率流,和自注意力机制(Transformer)模块,将编码器至解码器的联接换成具有残差结构的联接,在解码器每一次上采样后加入深度监督机制,构建加入深度监督和自注意力机制的U型残差联接结构的全分辨率残差网络,利用数据进行训练以对网络优化后,对其输入可见光卫星图像得到可见光卫星图像部件分割结果图,本方法显著提高了网络分割任务的准确性和鲁棒性。
  • 一种可见光卫星图像部件语义分割方法
  • [发明专利]一种基于强化学习的学术图像复用检测方法-CN202211394661.8有效
  • 王帅;汪浩然;屈晓磊 - 北京航空航天大学
  • 2022-11-09 - 2023-02-03 - G06T7/00
  • 本发明公开了一种基于强化学习的学术图像复用检测方法,首先使用强化学习模型迭代地选择训练样本标注并对特征匹配参数进行调整,得到最优匹配参数;之后接收进行复用检测的图像,使用SIFT特征提取得到其特征点图,最后使用最优匹配参数和双向匹配策略的特征匹配方法对特征点进行匹配、判定匹配结果并输出特征点匹配图。该方法在使用中通过主动向用户接收反馈标注,动态地持续学习以提升检测性能,可应对数据特点的迁移和新的数据类别,自动适应不同的实际应用场景;采用双向匹配机制进行特征点筛选,鲁棒性更好,特征点匹配置信度更高,检测结果查准率更高。
  • 一种基于强化学习学术图像检测方法
  • [发明专利]一种大型场馆内二氧化碳场浓度重建方法-CN202211410839.3在审
  • 周家乐;郑德智;屈晓磊 - 北京航空航天大学
  • 2022-11-11 - 2023-01-31 - G01N33/00
  • 本发明公开了一种大型场馆内二氧化碳场浓度重建方法,包括对场馆进行连续监测并获得包含多个采样时刻的多个传感器采集的CO2浓度总数据集,对每一采样时刻进行场浓度建模并作为标签图像;并选择典型区域进行场浓度建模并作为模型输入图像,搭建改进的超分辨率对抗生成网络模型,利用训练集训练模型,得到训练后的最终模型,输入稀疏传感器克里金插值建模后的浓度图,得到经过模型生成输出的浓度图,与密集传感器克里金插值建模后的浓度图计算评价指标,定量评价二氧化碳场浓度重建结果。本方法通过较少数量传感器,能达到与密集分布传感器相近的建模效果,能极大减小资源的消耗,具有更好的精度和噪声鲁棒性。
  • 一种大型馆内二氧化碳浓度重建方法

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