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21个,建议您升级VIP下载更多相关专利
  • [发明专利]一种加强SSD小目标行人检测性能的网络结构及检测方法-CN201811474112.5有效
  • 胡永健;陈奇华;刘琲贝;王宇飞 - 华南理工大学
  • 2018-12-04 - 2023-06-23 - G06V40/10
  • 本发明公开了一种加强SSD小目标行人检测性能的网络结构,包括:预处理模块、基础网络模块、附加特征提取模块、两级特征融合模块、分类和回归模块。本发明还公开了一种加强SSD小目标行人检测性能的检测方法,其特征在于,包括以下步骤:获取用于小目标行人检测的训练样本集并转换格式;初始化训练模型,对训练样本进行预处理;提取样本的浅层特征和深层特征,将深层特征的信息融合到浅层特征中,形成多尺度检测框架;进行网络参数的迭代更新;完成网络训练后进行测试。本发明在SSD算法的基础上引入了两级特征融合模块,有效利用了特征层之间的上下文信息,使深层网络信息能够较好地融合到浅层网络中,加强了SSD算法对小目标行人的检测性能。
  • 一种加强ssd目标行人检测性能网络结构方法
  • [发明专利]图像分类模型训练方法、装置、电子设备及存储介质-CN202111034110.6在审
  • 杨小平;陈奇华;苏鹏 - 顺丰科技有限公司
  • 2021-09-03 - 2023-03-07 - G06V10/764
  • 本申请提供一种图像分类模型训练方法、装置、电子设备及计算机可读存储介质。该图像分类模型训练方法包括:获取目标样本图像;通过预设的热力图映射参数,对所述目标样本图像进行热力信息提取,得到所述目标样本图像的样本热力图,其中,所述热力图映射参数用于反映样本热力图与类别标注信息之间的约束关系,所述热力图映射参数基于预设的热力图提取模块学习得到;基于所述样本热力图,确定所述目标样本图像的类别标注信息;基于所述类别标注信息和所述目标样本图像,对待训练的图像分类模型进行训练,直至符合预设的第一停止训练条件时,得到已训练图像分类模型。本申请中可以提高图像分类模型分类准确度。
  • 图像分类模型训练方法装置电子设备存储介质
  • [发明专利]一种节能式硅胶再生活化生产系统-CN202211441399.8在审
  • 罗建军;刘光永;罗庆林;聂国祥;罗科;李静;陈奇华 - 重庆科瑞南海制药有限责任公司
  • 2022-11-17 - 2023-03-07 - F27B7/02
  • 一种节能式硅胶再生活化生产系统,包括依次连接的投料装置、烘干装置、再生装置、冷却装置和分筛装置;烘干装置包括烘干滚炉、烘干炉膛和燃烧器,再生装置包括再生滚炉、再生炉膛和燃烧器,烘干炉膛和再生炉膛合并为同一个聚热炉膛,燃烧器合并为同一个燃烧加热器;聚热炉膛的膛顶为弧面穹隆状膛顶,内侧壁上均贴有耐高温热反射膜;膛顶与转接仓之间连接有导热管;其有益效果是,聚热炉膛将烘干装置和再生装置聚合在一起,结合弧面穹隆顶设计,特别是采用导热管将热量导入到接料仓中通向烘干滚炉和再生滚炉中,采用炉膛内间接加热与滚炉内直接加热相结合,所需温度大大降低,大大提高了能量的有效利用率。
  • 一种节能硅胶再生活化生产系统
  • [发明专利]实例分割方法、装置、电子设备及存储介质-CN202010937852.9在审
  • 陈奇华 - 顺丰科技有限公司
  • 2020-09-09 - 2022-03-25 - G06T7/11
  • 本申请提供一种实例分割方法、装置、电子设备及计算机可读存储介质。该实例分割方法包括:获取训练好的实例分割模型中的第一子网络、第二子网络以及包含待分割物体的目标图像;分别对第一子网络、第二子网络进行转换处理,得到第一加速执行模型、第二加速执行模型;调用第一加速执行模型对目标图像进行特征提取处理,得到目标图像的第一特征数据;根据第一特征数据进行预测处理,得到目标图像的第二特征数据;调用第二加速执行模型对第二特征数据进行预测处理,得到目标图像的实例分割结果。本申请中可以避免高精度的实例分割模型无法直接加载至推理优化器上的问题,在保证分割精度的基础上,使得实例分割模型可以在实时性上得到提升。
  • 实例分割方法装置电子设备存储介质
  • [发明专利]视觉模型的训练方法、装置、设备及存储介质-CN202010211623.9在审
  • 陈奇华 - 顺丰科技有限公司
  • 2020-03-24 - 2021-09-28 - G06K9/00
  • 本申请实施例公开了一种目标视觉模型的训练方法、装置、设备及存储介质。该目标视觉模型的训练方法包括:获取第一样本图像和背景图像;根据所述第一样本图像获取目标图像,并将所述目标图像置于所述背景图像得到第二样本图像;将各个样本图像输入至待训练模型中,以使得所述待训练模型根据所述样本图像预测出对应的预测类别;根据所述目标类别和所述预测类别,确定第一损失值,并根据所述第一损失值对所述待训练模型的模型参数进行调整,直至满足预设的停止训练条件,将训练好的所述待训练模型作为目标视觉模型。本申请实施例中可以解决因样本数据少、样本数据获取困难等原因而导致模型性能低的问题。
  • 视觉模型训练方法装置设备存储介质
  • [发明专利]动物体信息提取模型的训练方法、装置、设备及存储介质-CN202010211682.6在审
  • 陈奇华 - 顺丰科技有限公司
  • 2020-03-24 - 2021-09-28 - G06K9/00
  • 本申请实施例公开了一种动物体信息提取模型的训练方法、装置、设备及存储介质。该动物体信息提取模型的训练方法包括:获取训练样本集,所述训练样本集包括多个动物体的样本图像,所述样本图像标注有动物体的轮廓标签和多个关键点标签;根据所述样本图像,确定待训练模型的分割损失值和关键点损失值;根据所述分割损失值和所述关键点损失值,确定总损失值;根据所述总损失值更新所述待训练模型的模型参数,直至满足预设的停止训练条件,将训练好的所述待训练模型作为动物体信息提取模型。本申请实施例中可以提升对动物体的关键点数据和分割数据的检测精确度。
  • 物体信息提取模型训练方法装置设备存储介质
  • [发明专利]一种规模化生猪养殖供水系统装置-CN202110111044.1在审
  • 陈奇华 - 陈奇华
  • 2021-01-27 - 2021-06-15 - A01K7/02
  • 本发明公开了一种规模化生猪养殖供水系统装置,包括养殖厂房,所述养殖厂房上端设置有顶板,所述顶板的上表面固定连接有导雨板,所述导雨板的截面形状呈直角三角形,所述养殖厂房的一侧壁设置有引流管,所述引流管的上端位于所述导雨板的一侧,所述引流管的上端可收集所述导雨板上表面的雨水,所述引流管的下端连通有水箱,所述水箱的下端设置有出水管,所述出水管经管道与所述养殖厂房内的各个生猪饮水槽连通。本发明通过导雨板的蓄水槽可以将雨水收集,并通过引流槽和引流管收集到水箱内,有效提高水资源的循环利用,节约水资源,降低生活和生产成本。
  • 一种规模化生猪养殖供水系统装置
  • [发明专利]一种高免疫力生猪的养殖方法-CN202110111048.X在审
  • 陈奇华 - 陈奇华
  • 2021-01-27 - 2021-06-01 - A01K67/02
  • 本发明提供一种高免疫力生猪的养殖方法,采用发酵食料喂养,休息期间播放轻音乐,进食结束1小时后,将猪赶出栏舍到专设运动场做运动30‑40分钟,运动场内播放激进型音乐;空栏期间用84消毒液冲洗栏舍并用草药包烟熏杀菌。本发明采用发酵食料、音乐、运动以及全面杀菌相结合的养猪方法,能促进食料的吸收及转化,加大生猪进食量,增强猪的体质,提高血清中免疫球蛋白含量和血清中补体的浓度,增强其免疫力抗力,得到的猪肉品质好,肉质鲜美。
  • 一种免疫力生猪养殖方法
  • [发明专利]一种无抗生猪养殖方法-CN202110111035.2在审
  • 陈奇华 - 陈奇华
  • 2021-01-27 - 2021-05-28 - A01K67/02
  • 本发明提供一种无抗生猪养殖方法,包括喂养管理和日常环境管理,每日喂养3次生物发酵饲料和含有益生菌的饮用水,通过对栏舍通风换气、栏舍垫料铺设及清理等日常环境管理保证栏舍环境卫生,所述生物发酵饲料按重量份包括快过期食品10‑20份、红薯渣20‑30份、南瓜20‑30份、构树15‑20份、甘蔗20‑30份、豆腐渣20‑30份、蘑菇加工下脚料10‑15份、发酵菌0.05‑0.3份;所述益生菌通过饮水总管加入,包括双歧杆菌和酵母菌;所述栏舍垫料包括玉米秆、松针以及中草药。本发明的无抗生猪养殖方法不添加任何抗生素,成本低,得到猪肉品质好,肉质优。
  • 一种抗生养殖方法

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