“赵才荣”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23个，建议您升级VIP下载更多相关专利

[发明专利]一种专利文本摘要提取方法、系统、装置及存储介质-CN202310422840.6在审
发明人：吴荞睿;赵才荣;肖运龙;陈远;范文杰 -专利权人：中知数通（北京）信息技术有限公司
申请日： 2023-04-19 - 公布日： 2023-08-04 - 主分类号： G06F16/34 文献下载
摘要：本发明公开了一种专利文本摘要提取方法、系统、装置及存储介质，本发明实施例获取待提取专利的专利文本；对专利文本进行文本嵌入，得到嵌入文本；使得文本数据转换为符合后续模型输入格式的嵌入文本，提升模型分析效率；利用摘要提取模型，对嵌入文本进行摘要分析，得到摘要文本；其中，摘要提取模型通过结合扩写模型循环训练得到，摘要模型和扩写模型均基于BERT模型生成的；其中，扩写模型用于对摘要文本进行扩写分析，得到扩写文本；通过将摘要提取模型与扩写模型的互相配合的组合训练，强化模型训练的目的，有效提高专利摘要提取的准确性，可广泛应用于文本语义处理技术领域。
一种专利文本摘要提取方法系统装置存储介质

[发明专利]一种专利引用网络分析方法、系统、装置及存储介质-CN202310420537.2在审
发明人：陈雪宇;赵才荣;肖运龙;陈远;范文杰 -专利权人：中知数通（北京）信息技术有限公司
申请日： 2023-04-19 - 公布日： 2023-08-04 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种专利引用网络分析方法、系统、装置及存储介质，方法包括：基于专利数据集，以图谱形式构建专利引用网络；将专利引用网络分成预设数量的子图，对每个子图建立两个耦合的系统；通过第一系统，获得各节点的节点特征；根据节点特征，结合引用关系，确定第一影响程度；根据第一影响程度更新第二系统的第二影响程度；通过子图交替优化学习第一系统和第二系统，得到稳态网络结构；基于稳态网络结构，通过进化学习，得到目标网络结构。本发明基于进化动力学的思想方法通过引用关系对专利引用网络图模型进行训练，在网络应用中可以更有效的挖掘出专利中的信息，并在一定程度上解释了专利间的引用关系，可广泛应用于网络分析处理技术领域。
一种专利引用网络分析方法系统装置存储介质

[发明专利]一种专利价值评估方法、系统、装置及存储介质-CN202310422842.5在审
发明人：苗冉;赵才荣;肖运龙;陈远;范文杰 -专利权人：中知数通（北京）信息技术有限公司
申请日： 2023-04-19 - 公布日： 2023-07-18 - 主分类号： G06Q10/0639 文献下载
摘要：本发明公开了一种专利价值评估方法、系统、装置及存储介质，本发明实施例获取待评估的专利指标；本发明从多个维度出发，充分整理专利信息；利用第一评估模型，基于预设赋权方法对专利指标进行权重分析，获得多组权重；通过多种赋权方式得到对应的多组权重，避免评估的随机性；基于博弈论对多组权重进行综合赋权，得到综合价值分数；通过对多组权重进一步综合赋权，使得权重差异更小，实现更好的评价结果的收敛性；利用第二评估模型，对专利指标进行价值分析，获得商业价值金额。除分数评估外，结合价值评估，避免评估的主观性，同时为专利估值提供准确参照。本发明实施例能够合理准确地进行专利价值评估，可广泛应用于数据评估处理技术领域。
一种专利价值评估方法系统装置存储介质

[发明专利]一种基于多层特征融合神经网络模型的桥梁车辆车轮检测方法-CN201910079277.0有效
发明人： 赵才荣;傅佳悦;夏烨 -专利权人：同济大学
申请日： 2019-01-28 - 公布日： 2023-06-06 - 主分类号： G06V20/54 文献下载
摘要：本发明涉及一种基于多层特征融合神经网络模型的桥梁车辆车轮检测方法，包括以下步骤：1)构建基于多层特征融合的深度学习神经网络模型；2)利用训练样本数据集对模型进行训练；3)对桥梁上拍摄的待检测图像进行图像增强的预处理操作；4)将预处理后的图像输入模型中，得到具有车轮车辆类别坐标标定的输出图像；5)利用重叠率度量方法，将图像中检测到的车轮与对应车辆进行匹配。与现有技术相比，本发明具有提高了检测的精度，增强了实时性，降低漏检概率等优点，本发明在实现车辆目标检测的同时也实现了车轮的检测，并自动将同一图像上的车辆与车轮匹配。
一种基于多层特征融合神经网络模型桥梁车辆车轮检测方法

[发明专利]一种基于不确定性优化的行人再辨识方法-CN201910079205.6有效
发明人： 赵才荣;陈康 -专利权人：同济大学
申请日： 2019-01-28 - 公布日： 2023-06-06 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及计算机视觉领域，采用深度学习框架，更具体地，本发明涉及一种基于不确定性优化的行人再辨识方法，包括以下步骤：1)使用孪生网络结构，将两个属于相同或不同行人的原始图像分别作为两个同构网络的输入；2)使用inception网络和Dropout层叠加的方式，用来实现不确定性优化的贝叶斯卷积神经网络作为特征提取网络；3)根据孪生网络的特征输出，计算二分类损失和各自网络的多分类损失，叠加后用于网络的反向传播和参数优化；4)将待辨识行人图像和所有比对图像输入训练好的模型，提取图像特征；5)利用欧式距离计算公式，获取待辨识行人图像和比对图像之间的最终距离；6)根据特征相似度距离进行排序，获取与待辨识行人对应的对比图像匹配排序。与现有技术相比，本发明具有在全部样本和少样本下都具有高准确性、高鲁棒性、快速简便等优点。
一种基于不确定性优化行人辨识方法

[发明专利]基于特征融合与样本增强的三维人体姿态估计方法-CN202010158977.1有效
发明人：卫志华;崔啸萱;赵才荣;臧笛 -专利权人：同济大学
申请日： 2020-03-09 - 公布日： 2023-05-16 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于特征融合与样本增强的三维人体姿态估计方法，涉及三维人体姿态估计与性能优化方法。首先，采用基于候选区域的全卷积网络，对图片中人体进行身体部位分类与像素点三维坐标回归；其次，采用辅助网络样本增强，对没有初始标注的样本位置进行信号补充；最后，将模型与现有效果良好的2D姿态识别模型进行特征融合，从全局姿态的角度与局部回归坐标发挥优势互补性。本发明通过特征融合技术构造基于多任务并行的人体姿态估计架构，为二维和三维姿态识别的优势互补提供有效的理论和方法；通过模拟半监督学习的方式，建立基于数据增强的辅助网络，为提升姿态识别模型泛化能力提供新的思路。
基于特征融合样本增强三维人体姿态估计方法

[发明专利]一种文本图像超分辨率方法-CN202110614954.1有效
发明人： 赵才荣;冯舒扬 -专利权人：同济大学
申请日： 2021-06-02 - 公布日： 2022-11-11 - 主分类号： G06T3/40 文献下载
摘要：一种文本图像超分辨率方法，包括以下步骤：1)图像预处理：由灰度图像均值将灰度图像二值化得到文字蒙版，将文字蒙版(M)叠加到图像上，得到RGBM的四通道低分辨率‑高分辨率图像对；2)模型训练：低分辨率RGBM被送入网络，首先经过文本矫正模块的处理；紧接着，利用矫正后的特征统一构建视觉上下文，这个部分由稠密连接的五个并行正交上下文注意力模块(PCAB)组成；然后，每个PCAB模块的输出被统一合并到一起，进一步在这些特征上构建正交纹理感知注意力，自适应加权那些对重建高频信息有较大影响的特征；最后，经过两倍上采样和一次卷积，得到最终尺寸为4*(2H)*(2W)的输出超分辨率RGBM图像。
一种文本图像分辨率方法

[发明专利]基于代价敏感的三支决策的多目标模型视觉追踪方法-CN202010017088.3有效
发明人： 赵才荣;孙添力 -专利权人：同济大学
申请日： 2020-01-08 - 公布日： 2022-05-13 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及一种基于代价敏感的三支决策的多目标模型视觉追踪方法，包括以下步骤：1)在第i帧建立多目标模型Zi；2)利用多目标模型Zi在第(i+1)帧搜索到多目标集合xi+1；3)根据多目标集合xi+1中样本的位置重叠情况，分别求出正‑接受、正‑拒绝、负‑接受、负‑拒绝、中间‑接受、中间‑拒绝6种三支决策结果的代价值λ；4)基于代价敏感的三支决策方法，求得决策边界，将多目标集合xi+1分为正样本负样本和中间样本5)选择中置信度最高的结果s(i+1)1，作为暂时的追踪结果，并记录的追踪结果备用；6)在第(i+2)帧，若中存在s(i+1)j可以提供更可靠的追踪结果，则将其替换s(i+1)1提供的追踪结果。与现有技术相比，本发明具有快速准确、鲁棒性好等优点。
基于代价敏感决策多目标模型视觉追踪方法

[发明专利]一种基于分块以及多层信息融合的端到端行人搜索方法-CN202010970031.5有效
发明人： 赵才荣;陈至成;卫志华 -专利权人：同济大学
申请日： 2020-09-14 - 公布日： 2022-05-10 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及计算机视觉领域，采用深度学习框架，提出了一种基于分块以及多层信息融合的端到端行人搜索方法。本方法包括：1)使用监控摄像机所拍摄的整幅画面作为数据输入；2)使用卷积神经网络提取初步的特征，随后使用候选区域提取网络提取可能存在行人的候选区域；3)对上述候选区域的特征进行池化并使用另一卷积神经网络提取用于行人识别的特征，将特征进行分块进行处理，与网络的中层特征进行特征融合，最后使用在线实例匹配损失训练网络；4)将测试图像输入网络，网络输出图像中的行人位置及对应特征，最后将行人检测结果以及与待查找行人的相似度标注在图像上。此算法相比现有方法具有更加准确、鲁棒性好的特点。
一种基于分块以及多层信息融合端到端行人搜索方法

[发明专利]一种针对重叠问题的X射线安检违禁品检测方法-CN202110551186.X有效
发明人： 赵才荣;朱亮 -专利权人：同济大学
申请日： 2021-05-20 - 公布日： 2022-04-19 - 主分类号： G06V20/10 文献下载
摘要：本发明针对现有X射线安检违禁品检测存在的X射线图像的重叠问题，提出了一种针对重叠问题的X射线安检违禁品检测方法，可以部署到安检机上进行使用。本发明通过以下技术方案来实现：步骤一，将训练集图像输入网络中进行训练；步骤二，将测试集图像输入训练后网络中进行测试。与现有技术相比，本发明具有以下优点：一、本发明采用了端到端的深度学习网络，检测速度快，易于部署。二、本发明仅需使用X射线安检系统生成的图像即可进行预测，和其他方法相比，不需要以额外的物理器材，方法简单易行，可以快速部署到安检机上，投入到实际应用当中。
一种针对重叠问题射线安检违禁品检测方法

[发明专利]一种上下文感知、噪声鲁棒的行人搜索方法-CN202111360243.2在审
发明人： 赵才荣;陈至成 -专利权人：同济大学
申请日： 2021-11-17 - 公布日： 2022-03-11 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及计算机视觉领域，提出一种上下文感知、噪声鲁棒的行人搜索方法，采用深度学习框架，包括：1)使用一个端到端的行人搜索神经网络同时完成行人检测和行人辨识；2)在神经网络的训练过程中对行人特征的不确定性进行建模并额外使用同一场景行人的上下文信息约束行人的特征表示；3)第一阶段的训练结束后，对于网络预测的每一行人身份特征中心进行相似性比对，分析潜在的数据噪声；4)进行第二阶段的训练，在该阶段的训练过程中对于数据噪声进行抑制；5)使用训练完毕的行人搜索网络进行行人检索任务并按照行人的相似程度对结果进行可视化。此算法具有充分利用场景图像中的上下文信息，对于遮挡以及错误数据标注等来源的噪声鲁棒，相比现有的相关方法更加准确的特点。
一种上下文感知噪声行人搜索方法

[发明专利]一种基于弱监督人体协同分割的行人再识别方法-CN202111263138.7在审
发明人： 赵才荣;窦曙光 -专利权人：同济大学
申请日： 2021-10-28 - 公布日： 2022-02-15 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及计算机视觉领域，采用深度学习框架，具体涉及一种基于弱监督人体协同分割的行人再识别方法，包括以下步骤：1)将同一个行人的所有图像作为一批次送入到弱监督人体协同分割网络中，训练该网络得到行人图像对应的伪像素级标签；2)构建多任务网络框架包含骨干网络，行人再识别子网络和人体分割子网络，将行人图像和伪像素级标签送入多任务网络中，得到图像特征，前景特征和人体部分特征；3)交替训练人体协同分割网络和多任务网络得到最优的伪像素级标签和多任务网络模型，将测试集中的行人图像送入多任务网络中，只使用前景特征和人体部分特征来计算图像间的距离，进行行人特征匹配。本发明对于遮挡场景更加鲁棒，更加适合于现实中复杂的场景。
一种基于监督人体协同分割行人识别方法

[发明专利]一种视觉技术辅助的桥梁动态称重方法-CN201910042964.5有效
发明人：夏烨;简旭东;赵才荣;孙利民 -专利权人：同济大学
申请日： 2019-01-17 - 公布日： 2021-11-09 - 主分类号： G01G19/03 文献下载
摘要：本发明提供一种视觉技术辅助的桥梁动态称重方法，用于对车辆通过桥梁时的车重进行计算，其特征在于，包括：步骤S1，采集车辆通过设有动应变传感器以及交通监控装置的桥梁时产生的桥梁结构动应变数据以及车辆监控视频；步骤S2，对桥梁结构动应变数据进行处理从而提取该桥梁结构动应变数据的静态成分的峰值；步骤S3，通过预先训练的深度神经网络模型对车辆监控视频进行识别从而获取车辆监控视频中车辆的像素坐标；步骤S4，将对像素坐标进行转换从而获取车辆在桥面上的桥面位置坐标；以及步骤S5，根据静态成分的峰值、桥面位置坐标以及预先标定的桥梁影响面计算获取车辆的车重。
一种视觉技术辅助桥梁动态称重方法

[发明专利]一种基于多路卷积网络的多清晰度伪造人脸视频的检测方法-CN202110823054.8在审
发明人： 赵才荣;王楚天 -专利权人：同济大学
申请日： 2021-07-21 - 公布日： 2021-10-29 - 主分类号： G06T7/00 文献下载
摘要：一种基于多路卷积网络的多清晰度伪造人脸视频的检测方法，包括以下步骤：使用OpenCV库，对需要检测的视频逐帧提取帧图像，并由后续步骤进行逐帧识别；使用人脸检测模型，对帧图像进行人脸检测步骤，获取一个或数个包含了人脸及小范围背景信息的图像，称为人脸图像；使用事先训练好的三路卷积神经网络模型，首先对人脸图像进行卷积处理，得到对应的特征后使用全连接神经网络进行预测，得到人脸图像为伪造的概率，最后通过对多路网络的预测结果进行求和处理并对比概率值得到该人脸是否为伪造的标签。本发明主要针对通过对抗生成网络及自编码器生成的伪造图片，使用多路卷积网络进行检测，具备较高的准确率和较好的对抗压缩的鲁棒性。
一种基于卷积网络清晰度伪造视频检测方法

[发明专利]基于多尺度融合的遮挡人体姿势识别方法-CN202011225198.5在审
发明人：卫志华;范佳琪;王瀚漓;赵才荣;沈雯 -专利权人：同济大学
申请日： 2020-11-05 - 公布日： 2021-04-13 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多尺度融合的遮挡人体姿势识别方法，以视频中人体姿态识别为背景，从检测框回归和关键点识别的理论和方法开展研究。首先，在检测框回归阶段，引入惩罚机制训练检测框自动靠近既定目标而远离非目标物体。其次，基于检测框识别结果，使基于级联金字塔的网络架构，采用多尺度特征融合学习更丰富的特征。最后，在关键点识别阶段，提出了基于保持高分辨率的定位算法，同时使用在线难例挖掘策略显式处理困难节点。本发明通过多尺度特征融合优化遮挡人体姿势识别算法，有效提升了遮挡关键点识别的准确性，为视频中人体姿势识别提供有效的方法和新的研究思路。本发明将丰富和拓展机器学习理论和方法。
基于尺度融合遮挡人体姿势识别方法

1
2
下一页»
尾页
共 23 条