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49个,建议您升级VIP下载更多相关专利
  • [发明专利]图像分割方法及设备-CN202211703981.7在审
  • 赖志辉;何世焕;孔恒 - 深圳大学
  • 2022-12-22 - 2023-06-06 - G06V10/26
  • 本申请公开了一种图像分割方法及设备,涉及图像处理技术领域。所述图像分割方法包括以下步骤:获取待分割图像,其中所述待分割图像包括带标注图像和未标注图像;将所述带标注图像和所述未标注图像输入图像分割模型,得到所述待分割图像对应的图像分割结果;其中,所述图像分割模型为基于图像训练集对初始分割模型进行训练得到,所述初始分割模型包括可学习网络分支和不可学习网络分支,所述可学习网络分支的学习原型与所述不可学习网络分支的不可学习原型具有一致性,所述可学习网络分支与所述不可学习网络分支的输出具有一致性。本申请有效地提高了图像分割的精确度。
  • 图像分割方法设备
  • [发明专利]训练、特征提取、分类方法、设备及存储介质-CN201910864664.5有效
  • 赖志辉;卢江林 - 深圳大学
  • 2019-09-09 - 2023-05-09 - G06V10/764
  • 本发明适用计算机技术领域,提供了一种训练、特征提取、分类方法、设备及存储介质,通过构建由低维图嵌入损失项、稀疏投影损失项及分类损失项组成的目标损失函数,以高维样本特征集合以及高维样本分类标签作为输入,迭代优化求解该目标损失函数,从而最终得到投影矩阵,利用该投影矩阵即可进行相应的特征提取及分类。这样,由于目标损失函数中同时进行了低维图嵌入和稀疏投影学习,而且显式地表达了分类误差,从而能够得到更具判别力的特征,具有鲁棒性,并有效提高了算法的性能。
  • 训练特征提取分类方法设备存储介质
  • [发明专利]一种基于多光谱图像的3D指静脉提取方法及系统-CN201910522049.6有效
  • 刘凤;沈才雄;刘国杰;沈琳琳;赖志辉 - 深圳大学
  • 2019-06-17 - 2023-04-07 - G06V40/10
  • 本发明提供一种基于多光谱图像的3D指静脉提取方法及系统,所述3D指静脉提取方法包括以下步骤:步骤S1,分别在可见光谱和近红外光谱下采集指静脉图像;步骤S2,对采集的指静脉图像进行图像预处理;步骤S3,对预处理后的指静脉图像进行指静脉感兴趣区域提取;步骤S4,对提取出指静脉纹理特征的每一幅指静脉图像,通过指静脉纹理特征在不同指静脉图像中对应的体现形式,恢复出指静脉不同部位的深度信息,通过对多幅像素点包含三维坐标信息的二维指静脉图像进行堆叠,还原其三维结构。本发明能够提高指静脉图像的识别率,实现多光谱信息的互补,从而提高防伪能力,对提高指静脉识别性能具有重要意义。
  • 一种基于光谱图像静脉提取方法系统
  • [发明专利]一种基于3D指纹图像的弱监督的特征分析方法及系统-CN201811456842.2有效
  • 刘凤;刘浩哲;张文天;苟文越;齐勇;沈琳琳;赖志辉 - 深圳大学
  • 2018-11-30 - 2022-09-02 - G06V40/12
  • 本发明提供一种基于3D指纹图像的弱监督的特征分析方法及系统,所述基于3D指纹图像的弱监督的特征分析方法包括以下步骤:步骤S1,采集指纹图像数据;步骤S2,针对所述指纹图像数据搭建指纹图像特征提取模型;步骤S3,随机采集指纹图像测试数据,并将所述指纹图像测试数据输入至所述指纹图像特征提取模型中,进而对指纹图像测试数据的指纹特征信息进行表征。本发明利用3D指纹图像对指纹图像特征进行分析和识别,实现了对指纹图像特征区域的可视化分析和提取,避免了指纹图像的表面环境对其识别的影响,进而实现了更高正确率和精确度的指纹图像特征提取,提高了抗噪性能,为证实指纹内部特征的存在奠定了很好的技术基础。
  • 一种基于指纹图像监督特征分析方法系统

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