“章加何”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_中国专利网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

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

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

专利权人

国家电网公司

华为技术有限公司

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

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

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]一种二维纹理码及其编码和解码方法-CN201911035069.7有效
发明人：翟广涛;章加何 -专利权人：上海交通大学
申请日： 2019-10-29 - 公布日： 2021-07-06 - 主分类号： G06K19/06 文献下载
摘要：本发明公开了一种二维纹理码及其编码和解码方法，所述二维纹理码包括L形的格式矫正区和矩形的纹理数据区，所述格式矫正区用于矫正二维纹理码的格式，所述矩形的纹理数据区被分割成m个矩形的子区域，所述每一子区域由一个纹理图片所占据，共有n种不同类型的纹理图片，每一种类型的纹理图片对应一个解码字符，且nm。本发明的二维纹理码及其编码和解码方法，可有效降低二维码的信息冗余，提高低像素下解码的鲁棒性。
一种二维纹理及其编码解码方法

[发明专利]一种基于二维码和深度学习的商品识别方法及装置-CN201811483176.1有效
发明人：翟广涛;易馥旺;朱泽昊;贾隽;章加何 -专利权人：上海交通大学
申请日： 2018-12-05 - 公布日： 2021-04-27 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于二维码和深度学习的商品识别方法及装置，该方法包括：编码制作二维码标签，并给部分商品贴上二维码标签；对未贴二维码标签的特定商品进行拍摄，得到特定商品的图片，利用深度神经网络对特定商品的图片进行训练得到神经网络模型；利用训练得到的神经网络模型对商品进行检测，识别出特定商品信息；利用二维码标签识别出贴有二维码标签的商品信息。该装置包括：摄像机、神经网络识别装置以及二维码识别装置。本发明的基于二维码和深度学习的商品识别方法及装置，通过二维码和深度学习相组合的方案，提高了商品识别效率、降低了成本。
一种基于二维码深度学习商品识别方法装置

[发明专利]一种基于神经网络的图像雾浓度估计方法、系统和终端-CN202010171560.9在审
发明人：翟广涛;章加何;闵雄阔;朱文瀚;杨小康 -专利权人：上海交通大学
申请日： 2020-03-12 - 公布日： 2020-08-14 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于神经网络的图像雾浓度估计方法、系统和终端，方法包括：采用卷积神经网络自动提取待测图像的特征；将提取的待测图像的所述特征采用最大池化层与卷积层进行特征映射；计算映射后的所述特征中的最大值和平均值，并将两者进行融合；对于融合后的特征进行激活；对激活得到的特征取平均，得到的结果为最后整幅图像的雾浓度。所述系统包括特征提取模块、特征映射模块、局部统计值集散模块和最大值均值融合模块。本发明能很好的预测雾浓度的大小，并且与人类的主观评价高度一致，可以对任意大小的雾图像进行雾浓度的估计。
一种基于神经网络图像浓度估计方法系统终端

1
共 3 条

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

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

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top