[发明专利]一种用于自动驾驶的卷积神经网络计算量压缩方法有效

专利信息
申请号: 202110156157.3 申请日: 2021-02-04
公开(公告)号: CN112836821B 公开(公告)日: 2023-03-14
发明(设计)人: 王雅儒;许端;王述良 申请(专利权)人: 武汉极目智能技术有限公司
主分类号: G06N3/0464 分类号: G06N3/0464;G06N3/08
代理公司: 湖北武汉永嘉专利代理有限公司 42102 代理人: 刘秋芳
地址: 430073 湖北省武汉*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明提供了一种用于自动驾驶的卷积神经网络计算量压缩方法,利用位置区域上的差异,对中央区域与周围区域采用不同的缩放系数,通过对图像进行非线性变换,达到在神经网络性能下降较小的情况下压缩计算量的目的。本发明的方法在降低计算量的同时,对重要目标的检测识别等能取得较好的准确性;本发明带来的额外计算量极小,能够与任何基于卷积神经网络的图像处理方法无缝对接,广泛应用于目标检测、语义分割、实力分割、光流、单目深度预测问题的处理。当使用与现有技术相同的计算量时,本发明具有更远的检测距离、更好的测距精度和更快的计算速度。
搜索关键词: 一种 用于 自动 驾驶 卷积 神经网络 计算 压缩 方法
【主权项】:
暂无信息
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉极目智能技术有限公司,未经武汉极目智能技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/202110156157.3/,转载请声明来源钻瓜专利网。

同类专利
  • 浮点型卷积算子加速方法、装置、电子设备及存储介质-202310950528.4
  • 张雪霏;王晓雪 - 安谋科技(中国)有限公司
  • 2023-07-28 - 2023-10-27 - G06N3/0464
  • 本申请实施例提供了一种浮点型卷积算子加速方法、装置、电子设备及存储介质,涉及计算机技术领域,该方法包括:获取待处理的图像特征图,将待处理的图像特征图通过目标识别网络进行目标识别,目标识别网络包括:至少一个卷积层;通过任一卷积层对待处理的图像特征图进行卷积处理,具体可以包括:获取待处理的图像特征图以及卷积层所对应的权重数据和偏移数据,待处理的特征图、权重数据以及偏移数据均为浮点型数据,然后对这些数据划分为符号部分、基数部分以及尾数部分,然后将各个基数部分对齐,并调用整数型的卷积算子进行卷积计算,然后对卷积计算结果进行正则化处理,以使得降低卷积计算时所花费的时间,提高网络运行速度。
  • 时间序列预测方法、装置、设备、介质和产品-202310753534.0
  • 赵书宝 - 新奥新智科技有限公司
  • 2023-06-25 - 2023-10-27 - G06N3/0464
  • 本申请公开了一种时间序列预测方法、装置、设备、介质和产品。该方法包括:利用预测模型对历史时间序列进行多次采样,获得多个候选时间序列;利用预测模型分别对每一候选时间序列进行特征提取,得到多个数据特征;利用预测模型分别对多个数据特征进行预测,获得每一候选时间序列对应的预测时间序列,根据每一预测时间序列确定未来时间序列。采用本申请的方法,可以基于更多的特征,全面地表征能源变化值的变化情况。进一步地,基于提取到的上述更多的特征预测得到的未来时间序列的准确性更高。也即,未来时间序列中的能源变化值更加准确。
  • 一种用于卷积神经网络的模型推理方法和装置-202310857190.8
  • 雍珊珊;陈强;樊华;宋若鹏;朱楷铭;陈锦鸿 - 深圳北理莫斯科大学
  • 2023-07-13 - 2023-10-27 - G06N3/0464
  • 本申请公开了一种用于卷积神经网络的模型推理方法和装置,首先提取已完成训练的第一卷积神经网络模型的模型参数;然后对提取模型参数进行剪枝,以去除其值在第一阈值区间的模型参数,保留其值在第二阈值区间的模型参数;再对每个模型参数进行量化处理,以获取每个所述模型参数的标志位、符号位和有效宽位的值;其中,模型参数的有效宽位的值为定点数值,是应用二分段量化方法或多分段量化方法对模型参数进行量化处理获得;最后将量化处理后获得的模型参数替换原模型参数,以获取第二卷积神经网络模型。由于新的卷积神经网络模型的模型参数是依据已完成训练的模型参数获取,大大提高了新卷积神经网络模型的训练效率。
  • 一种基于NNA的depthwise权重的处理方法-202210322758.1
  • 刘子航 - 合肥君正科技有限公司
  • 2022-03-29 - 2023-10-27 - G06N3/0464
  • 本发明提供一种基于NNA的depthwise权重的处理方法,所述方法在遇到depthwise卷积时,通过进行卷积核扩展来实现NNA卷积加速,所述卷积核扩展是NNA要求卷积核输入通道数是32的倍数,通过对卷积核进行通道扩展实现NNA卷积加速,为了保证卷积核扩展后得到的卷积结果和depthwise卷积结果一致,除对应输入通道外其余输入通道元素值均填充为0。实现对depthwise卷积的快速运算。
  • 一种基于NNA的支持focus操作的卷积实现方法-202210322774.0
  • 李岩;王荔枝 - 合肥君正科技有限公司
  • 2022-03-29 - 2023-10-27 - G06N3/0464
  • 本发明提供一种基于NNA的支持focus操作的卷积实现方法,包括:S1,假定网络中存在2个连续层,focus层后紧接着为卷积层,并且卷积层进行卷积核为kernelX*kernelY的卷积,卷积步长为strideX*strideY,其中,kernelX、kernelY是未结合之前卷积层的卷积核在X、Y方向上的大小,strideX、strideY为未结合之前卷积层在X、Y方向上的卷积步长;S2,在把所述focus和卷积层进行合并,合并之后等价于在未进行focus操作的FeatureMap上进行卷积核为(2*kernelX)*(2*kernelY)的卷积,卷积步长为(2*strideX)*(2*strideY);S3,通过对每次卷积对应的输入FeatureMap数据进行重排序,把卷积核大小(2*kernelX)*(2*kernelY)且步长(2*strideX)*(2*strideY)的卷积等价的转化为大小1*1步长1*1的卷积,使得focus层和输入层结合后能够在NNA上正常实现。
  • 对应关系预测网络的训练方法、装置、设备及介质-202211604172.0
  • 徐晓伟;李欣 - 腾讯科技(深圳)有限公司
  • 2022-12-13 - 2023-10-27 - G06N3/0464
  • 本申请涉及一种对应关系预测网络的训练方法、装置、设备及介质。上述方法包括获取第一关联关系图;获取每一所述节点的特征信息;利用预设网络处理所述第一关联关系图和每一所述节点的特征信息,得到所述第一类节点的对应关系预测结果;基于所述第一类节点的对应关系预测结果与所述第一类节点携带的所述对应关系真值标注对所述预设网络进行训练,得到对应关系预测网络。本申请基于图学习获得对应关系预测网络,对应关系预测网络可以用来进行对应关系预测,也即预测基站能够为哪些地下建筑物对象提供定位服务,进而借助预测的对应关系提高定位准确度。本申请实施例可应用于云技术、人工智能、智慧交通、智慧娱乐等各种场景。
  • 预测模型的训练方法、装置、设备、介质及程序产品-202310113390.2
  • 赵思杰;宋奕兵 - 腾讯科技(深圳)有限公司
  • 2023-01-31 - 2023-10-27 - G06N3/0464
  • 本申请公开了一种预测模型的训练方法、装置、设备、介质及程序产品,涉及人工智能技术领域。该方法包括:获取第一预测模型;将第二领域的第二样本数据输入第一预测模型,通过n个子网络对第二样本数据进行数据预测,得到第二样本数据对应的预测结果;基于第二样本数据对应的预测结果和预测标签之间的差异确定第一预测模型对应的预测损失值;基于预测损失值和第i个子网络的输出特征表示得到第i个子网络对应的输出梯度;基于第i个子网络对应的输出梯度对第i个偏置参数进行参数更新,得到第二预测模型。使用输出梯度针对偏置参数进行参数调整的方式能够避免使用输入特征表示/输出特征表示进行模型参数调整,降低了服务器内存存储负担。
  • 神经网络训练时的特征量化方法、装置、介质及程序产品-202310118897.7
  • 赵思杰;宋奕兵 - 腾讯科技(深圳)有限公司
  • 2023-01-31 - 2023-10-27 - G06N3/0464
  • 本申请公开了一种神经网络训练时的特征量化方法、装置、介质及程序产品,属于神经网络技术领域。该方法包括:将训练数据输入到神经网络中,神经网络包括至少两个神经网络层,至少两个神经网络层包括非参数层,非参数层是指包括非线性函数的神经网络层;在前向传播的过程中,通过至少两个神经网络层对训练数据进行特征计算,得到每个神经网络层的输入特征和输出特征;获取非参数层的输入特征和输出特征中的至少一项作为目标特征;对目标特征进行量化处理,得到量化后的特征;存储量化后的特征至存储器中,释放存储器中的非参数层的输入特征和输出特征。该方法能够在神经网络训练的过程中减少对存储空间的占用。
  • 网络搜索方法、装置、存储介质及电子设备-202310883394.9
  • 张凯昱;杨青 - 度小满科技(北京)有限公司
  • 2023-07-18 - 2023-10-27 - G06N3/0464
  • 本发明提供一种网络搜索方法、装置、存储介质及电子设备,其中,该方法包括:获取训练表格数据;确定训练表格数据对应的拼接指示信息,并采用训练表格数据和拼接指示信息,对初始超网结构模型进行模型训练,得到模型训练后的初始超网结构模型,以基于模型训练后的初始超网结构模型,获取目标超网结构模型,目标超网结构模型包括多个待选取子网结构模型;从目标超网结构模型中选取出目标子网结构模型,目标子网结构模型的模型指标优于多个待选取子网结构模型中其他子网结构模型的模型指标,且目标子网结构模型用于对待预测的目标表格数据进行数据预测。本发明实施例可对适配于表格数据的网络结构进行网络搜索,从而得到目标子网结构模型。
  • 一种采用量子补偿混合神经网络的数字全息压缩传输方法-202310929396.7
  • 杨光临;胡成成 - 北京大学
  • 2023-07-27 - 2023-10-27 - G06N3/0464
  • 本发明提供一种采用量子补偿混合神经网络的数字全息压缩传输方法,将原始图像通过菲涅尔离轴全息算法记录为数字全息图、构建并训练基于量子补偿混合神经网络对数字全息图进行压缩与解压缩、使用8比特量化和添加随机噪声的方法进行量化和反量化,通过霍夫曼编码对压缩数据编码与解码,最终将恢复的全息图进行再现,得到再现像。本发明提供方法具有更快的并行处理速度和更好的图像恢复质量,适用于数字全息图这种大数据量的计算处理;能够在更少的训练次数完成压缩网络结构的训练,提高数字全息图的压缩传输速度。
  • 一种基于NNA的1xN卷积的实现方法-202210320413.2
  • 刘子航 - 合肥君正科技有限公司
  • 2022-03-29 - 2023-10-27 - G06N3/0464
  • 本发明提供一种基于NNA的1xN卷积的实现方法,在不满足NNA相关参数范围时,通过对输入图像和卷积核矩阵进行拆分、重组、累加来实现NNA卷积加速,其中,卷积核拆分:对于1xN卷积,当N大于3时,超出了NNA寄存器参数范围,通过卷积核拆分实现NNA卷积加速;还包括NNA寄存器配置:使用NNA进行卷积加速必须正确配置NNA相关寄存器、卷积的步长、卷积核大小的必要参数都通过NNA寄存器进行配置,这些参数都必须在NNA支持的参数范围内才能得到正确的卷积结果。通过配置相关寄存器参数实现卷积核矩阵维度≤3x3的卷积计算加速,从而大幅度减少神经网络运行时间,在实际应用中实时性更高,用户体验更好。在不满足NNA相关参数范围时,保证通用性又能提高卷积运算速度。
  • 一种针对ReRAM部署神经网络的权重分配方法-202310178399.1
  • 董光达;余少华;伍骏;熊大鹏;李涛 - 苏州亿铸智能科技有限公司
  • 2023-02-28 - 2023-10-27 - G06N3/0464
  • 本发明公开了一种针对ReRAM部署神经网络的权重分配方法,属于神经网络技术领域,其方法包括:遍历神经网络结构,将权重进行转换,适配到存算神经网络计算引擎,每层的权重形成一个3维的小立方体;使用3d背包算法,遍历所有的权重立方体,将小立方体放到存算阵列转换的大立方体中,并获取对应的坐标信息。本发明转换了存算阵列视角,将权重存放问题抽象为传统的3d背包问题,便于使用成熟的算法解决陌生的问题,提高了权重存放的效率;同时适用于多数神经网络的权重存放,可复用性高,更利于神经网络的部署与存算神经网络计算引擎的迭代改进。
  • 一种天然气井泡沫排水采气智能算法-202310862147.0
  • 潘军;吕伟;孙盛涛;赵恒平;陈世强;谢雕;梁铃;王占锋 - 北京万普瑞能源技术有限公司
  • 2023-07-14 - 2023-10-27 - G06N3/0464
  • 本发明涉及一种天然气井泡沫排水采气智能算法,涉及页岩气采气领域,包括以下步骤:获取历史页岩气生产平台的现场数据导入系统,然后设计包括多个残差块的残差神经网络架构,划分训练集、验证集和测试集用于模型的训练、调优和评估;使用验证集评估模型性能并优化,使用测试集评估最终模型性能,分析预测精度;将部署好的模型部署到实时控制系统中,基于实时采集的数据计算得到起泡剂和消泡剂的总注入量以及不同阶段的注入量,自动控制各个阀门的开度以控制产量和流态调整,完成对天然气井泡沫排水采气智能控制,本发明具有由人工智能实现页岩气在不同工况下能够准确进行准确决策,结合精细化操作实现稳定的井况的优点。
  • 生成神经网络模型的方法和装置-202010387565.5
  • 希滕;张刚;温圣召 - 北京百度网讯科技有限公司
  • 2020-05-09 - 2023-10-27 - G06N3/0464
  • 本申请涉及人工智能领域,公开了生成神经网络模型的方法和装置。该方法包括:基于目标神经网络模型的结构构建超网络,超网络的各层包括分别与目标神经网络模型的各层对应的候选结构单元集合,且候选结构单元集合包括目标神经网络模型的结构中对应层的网络结构单元以及至少一个与目标神经网络模型的结构中对应层的网络结构单元相似的候选结构单元;初始化超网络,并基于预设域的样本数据和超网络各层对应的候选结构单元集合训练超网络;将训练完成的超网络中与目标神经网络模型对应的目标子网络的参数同步至目标神经网络模型。该方法实现了目标神经网络模型的优化。
  • 生成神经网络模型的方法和装置-202010387566.X
  • 希滕;张刚;温圣召 - 北京百度网讯科技有限公司
  • 2020-05-09 - 2023-10-27 - G06N3/0464
  • 本申请涉及人工智能领域,公开了生成神经网络模型的方法和装置。该方法包括:构建多路径超网络,多路径超网络的每一个卷积层包括至少一个分支,每一卷积层的一个分支分别对应该卷积层的一种卷积模块结构,卷积模块结构包括与该卷积层对应尺寸的一个卷积核或者至少两个并行运算的卷积核;基于样本数据对多路径超网络进行训练;基于训练完成的多路径超网络,搜索出性能信息满足第一预设条件的网络结构作为目标神经网络模型的结构,其中,网络结构通过对训练完成的多路径超网络进行路径采样得出。该方法实现了卷积神经网络结构的优化。
  • 用于辨识装置的人工神经网络正规化系统-201910376478.7
  • 刘子瑄;谢明得 - 财团法人成大研究发展基金会;奇景光电股份有限公司
  • 2019-05-07 - 2023-10-27 - G06N3/0464
  • 本发明公开了一种用于辨识装置的人工神经网络正规化系统,包含输入层,产生影像的初始特征图;多个隐藏层,对初始特征图进行卷积以产生对象特征图;匹配单元,其接收对象特征图且执行匹配,以输出辨识结果。第一推论区块与第二推论区块,设于人工神经网络的至少一个隐藏层中。在第一模式,开启第一推论区块且关闭第二推论区块,其中第一推论区块仅接收前一层的第一推论区块的输出。在第二模式,开启第一推论区块与第二推论区块,其中第二推论区块接收前一层的第二推论区块的输出与前一层的第一推论区块的输出。
  • 基于滤波器分布的神经网络模型加速方法及平台-202110209931.2
  • 王宏升;管淑祎 - 之江实验室
  • 2021-02-25 - 2023-10-27 - G06N3/0464
  • 本发明公开了一种基于滤波器分布的神经网络模型加速方法及平台,引入滤波器彼此之间的距离来反映滤波器的分布,而且在此基础上设计了一种新颖的基于滤波器平均相似度分数的裁剪准则,即随着网络迭代训练的不断更新,根据当前通道滤波器的分布计算神经网络模型的裁剪准则。包括如下步骤:步骤一、定义问题,将神经网络卷积操作进行建模;步骤二、设计基于滤波器裁剪的神经网络优化目标;步骤三、计算基于Minkowski距离的滤波器相似度分数;步骤四、设计滤波器裁剪准则。
  • 一种基于膨胀残差宽度网络的模态分析方法、系统及装置-202310896177.3
  • 阳爱民;曾培健;陆茂华;侯利恒;林楠铠;林江豪 - 广东工业大学;广船国际有限公司
  • 2023-07-21 - 2023-10-24 - G06N3/0464
  • 本发明公开了一种基于膨胀残差宽度网络的模态分析方法、系统及装置,该方法包括:收集多类别的模态分析案例,构建数据集;基于DRN网络框架,结合膨胀残差卷积模块和宽度学习模块,构建分析模型;设定损失函数,基于所述数据集对所述分析模型进行训练,得到训练完成的分析模型;将待测数据输入至所述训练完成的分析模型,得到模态分析结果。该系统包括:数据集构建模块、模型构建模块、模型训练模块和模态分析模块。该装置包括存储器以及用于执行上述基于膨胀残差宽度网络的模态分析方法的处理器。通过使用本发明,达到降低模态分析方法中模型计算时间开销的目的。本发明可广泛应用于模态分析领域。
  • 一种基于AI的通关合规检测系统及方法-202310937817.0
  • 金菊;金东 - 苏州工业园区报关有限公司
  • 2023-07-28 - 2023-10-24 - G06N3/0464
  • 本发明提供了一种基于AI的通关合规检测系统及方法,包括前端数据收集模块,图片运算存储器,AI芯片,后端检测分析平台,云端数据库,嵌入式应用软件;本发明通过构建一个网络边缘侧基于AI芯片的终端,采用了神经网络加速和压缩的方法,将复杂的神经网络优化后从服务器端移植到边缘侧,在本地进行数据分析,分析结果实时反馈云端,结合通关合规检测的应用场景,解决海量图像数据传输问题和边缘侧复杂神经网络模型运算问题。
  • 一种自适应降采样的方法及装置-202310837069.9
  • 翟延成;梁波;张炜刚 - 上海沄熹科技有限公司
  • 2023-07-10 - 2023-10-24 - G06N3/0464
  • 本发明涉及时序数据库领域,具体提供了一种自适应降采样的方法及装置,具有如下步骤:S1、首先启动时序数据库主节点和备节点;S2、开始进行时序数据写入主节点;S3、时序数据写入主节点的同时也写入降采样算法模型中;S4、写入备节点及降采样算法模型中;S5、写入降采样算法模型的数据进行降采样算法的深度卷积神经网络训练;S6、将处理之后的时序数据写入备节点;S7、将主节点中的已经经过降采样算法模型处理的原始数据进行清理;S8、将备节点中的经过降采样算法模型处理之后的时序数据增量同步到主节点中;S9、组装正确的时序数据后返回结果。与现有技术相比,本发明能够提高降采样的准确性及降低存储资源占用。
  • 一种新型滚齿加工瓶颈因素分析方法及装置-202310129828.6
  • 朱俊江;马城;钱丽娟 - 中国计量大学
  • 2023-02-14 - 2023-10-24 - G06N3/0464
  • 本发明公开了一种新型滚齿加工瓶颈因素分析方法及装置。其中,该方法包括:通过传感器采集加工误差信号;根据所述加工误差信号,生成训练集合X和标签集合Y;根据所述训练集合X和标签集合Y构建卷积神经网络模型;将检测数据输入所述卷积神经网络模型,得到分析结果。本发明解决了随着加工过程的复杂化以及生产监控设备的数字化,传统仅仅依靠现场专业操作人员分析并寻找加工质量异常原因的方法变得效益低下的技术问题。
  • 算子融合方法及装置、电子设备、计算机可读介质-202210350623.6
  • 徐茂轩;薛冰 - 北京灵汐科技有限公司
  • 2022-04-02 - 2023-10-24 - G06N3/0464
  • 本公开提供了一种算子融合方法及装置、电子设备、计算机可读介质,该方法包括:根据预设的算子融合模式集合,从指定计算图的多个子图中确定出目标子图;获取目标子图的执行信息;根据与目标子图对应的算子融合模式、目标子图的执行信息和预设的融合执行机制,确定目标子图的执行策略。根据本公开的实施例能够快捷地识别出需要进行算子融合的目标子图,并准确地确定目标子图的执行策略,以便处理核心在根据该执行策略生成的指令执行子图的计算任务时,减少对片上存储资源的占用,加快对计算任务的执行速度,从而有效提高处理能力。
  • 基于高光谱图像的跟踪网络训练方法、跟踪方法及介质-202310882594.2
  • 唐靖杰;欧阳一村;李希;陈海涛;付磊;罗富章;赖时伍 - 盛视科技股份有限公司
  • 2023-07-18 - 2023-10-24 - G06N3/0464
  • 本申请公开一种基于高光谱的跟踪网络训练方法,包括获取同一场景的HSI视频帧图像和RGB视频帧图像;构建目标跟踪网络模型:将每前后两帧的HSI图像中同一跟踪目标的图像块区域输入至用于将HSI域和RGB域对齐的域迁移模块,并将域迁移模块的输出特征输入至深度学习跟踪网络中;构建目标跟踪网络模型的损失函数:对于每一帧HSI图像和与之对应的一帧RGB图像的同一跟踪目标,构建经过域迁移模块处理的图像块区域和RGB图像中的图像块区域之间域间损失函数S1,并将关于深度学习跟踪网络的损失函数S2和域间损失函数S1进行综合获得跟踪训练网络损失函数S;训练损失函数S至最小以获得目标跟踪网络模型。本申请还提供基于高光谱的目标跟踪方法及计算机可读存储介质。
  • 一种基于轻量化图卷积网络的移动应用推荐方法-202110853793.1
  • 曹步清;钟为是 - 湖南科技大学
  • 2021-07-28 - 2023-10-24 - G06N3/0464
  • 本发明公开了一种基于轻量化图卷积网络的移动应用推荐方法,首先利用二部图建模APP与用户的交互关系,利用高阶连通性(树形图)进行初始的嵌入;然后,在轻量化图卷积层中,使用嵌入传播沿着图结构捕获协同过滤信号以进一步细化移动应用与用户的嵌入;最后,通过内积预测出用户对于不同移动应用的偏好,完成推荐任务。本发明属于移动应用技术领域,具体是指一种基于轻量化图卷积网络的移动应用推荐方法。
  • 天气气候系统的识别方法、装置、存储介质及处理器-202010632577.X
  • 左金清;苗雨沛 - 国家气候中心;北京西太科技有限公司
  • 2020-07-03 - 2023-10-24 - G06N3/0464
  • 本申请公开了一种天气气候系统的识别方法、装置、存储介质及处理器。该方法包括:获取预设数量的水平风场特征,其中,预设数量的水平风场特征为同一目标类型的天气气候系统的水平风场特征;对预设数量的水平风场特征进行合成处理,得到目标卷积算子;根据目标卷积算子对待测天气气候系统的水平风场特征进行卷积操作,得到卷积结果;根据卷积结果识别待测天气气候系统。通过本申请,解决了相关技术中识别天气气候系统耗费大量资源、准确性低的问题。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

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