“概率图”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3718916个，建议您升级VIP下载更多相关专利

[发明专利]胎儿股骨测量方法、装置、计算机设备及可读存储介质-CN201811557118.9在审
发明人：倪东;李然;汪天富 -专利权人：深圳大学
申请日： 2018-12-19 - 公布日： 2019-04-23 - 主分类号： G06T7/00 文献下载
摘要：本发明适用于计算机领域，提供了一种胎儿股骨测量方法、装置、计算机设备以及可读存储介质，其中所述方法包括：接收胎儿股骨图像；根据所述胎儿股骨图像以及预设的基于卷积神经网络建立的股骨图像‑股骨端点概率热图模型确定股骨端点概率热图；根据所述股骨端点概率热图确定胎儿股骨图像中的股骨端点；根据所述股骨端点计算胎儿股骨长度。本发明实施提供的胎儿股骨测量方法通过建立基于卷积神经网络建立的股骨图像‑股骨端点概率热图模型，使得在直接输入胎儿股骨图像后，直接获取胎儿股骨端点概率热图，从而进一步确定胎儿图像中股骨端点的位置，有效地提高了现有技术中测量胎儿股骨长度的效率以及准确率
股骨胎儿图像股骨测量概率卷积神经网络可读存储介质计算机设备图模型计算机领域测量胎儿端点计算胎儿图像直接获取有效地准确率预设

[发明专利]基于图像处理的润唇方法及装置-CN201711046619.6在审
发明人：张亮;刘国友 -专利权人：北京小米移动软件有限公司
申请日： 2017-10-31 - 公布日： 2018-01-19 - 主分类号： G06T11/40 文献下载
摘要：该方法包括识别原始嘴唇图像中的嘴唇轮廓特征点；根据嘴唇轮廓特征点，确定原始嘴唇图像对应的二值图；将原始嘴唇图像转换至LAB空间，得到原始嘴唇图像对应的L通道图像和A通道图像；根据L通道图像，对二值图进行滤波，得到滤波输出图；根据滤波输出图与A通道图像，得到嘴唇轮廓区域概率图；根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像添加唇彩。本公开能够根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像中的各个像素添加唇彩，从而在嘴唇轮廓特征点的检测较不准确的情况下，仍然能够获得较好的润唇效果。
基于图像处理方法装置

[发明专利]基于调频连续波雷达的跌倒检测方法、装置及电子设备-CN202211019817.4在审
发明人：赵荣建;姚奕成;何光强 -专利权人：天津大学温州安全（应急）研究院
申请日： 2022-08-24 - 公布日： 2022-11-25 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于调频连续波雷达的跌倒检测方法、装置及电子设备，该方法包括：每间隔预设时长，将当前预设时长内的雷达反射信号转换为被测者的移动信号图；将移动信号图输入第一网络模型，得到第一跌倒概率；将第一跌倒概率大于预设概率的移动信号图输入第二网络模型，得到第二跌倒概率；基于第二跌倒概率判断被测者是否跌倒。该方法通过第一网络模型进行初步评估，能够将容易区分的非摔倒移动信号图排除，再通过第二网络模型对难以分辨的移动信号图进行评估，有助于提高跌倒预测的准确性。
基于调频连续雷达跌倒检测方法装置电子设备

[发明专利]基于攻击图的网络攻击目标识别方法及系统-CN201810593920.7有效
发明人：张红旗;胡浩;张玉臣;杨超;金辉;汪永伟;王义功;潘瑞萱 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2018-06-11 - 公布日： 2021-06-18 - 主分类号： H04L29/06 文献下载
摘要：本发明属于网络安全技术领域，特别涉及一种基于攻击图的网络攻击目标识别方法及系统，该方法包含：对网络中攻击者的状态迁移过程进行建模，获取网络攻击图模型和所有可能的攻击路径，生成网络攻击图；将网络攻击图映射到吸收马尔可夫链，构造吸收马尔可夫链的状态转移概率矩阵；结合状态转移概率矩阵，获取攻击者攻击意图的期望成功概率矩阵；通过期望成功概率矩阵，找出最大概率值对应的状态节点，完成攻击目标识别。本发明更客观、准确地评估攻击者实现不同意图的平均概率值，解决了传统方法在评估攻击发生的可能性时受限于理想的累积概率问题，计算复杂度低，操作简单方便，为辅助安全管理员决策及提高网络安全性能提供更可靠的指导
基于攻击网络目标识别方法系统

[发明专利]一种基于生成对抗网络的病理图像检测算法-CN201910428313.X有效
发明人：张道强;李俊薇;邵伟 -专利权人：南京航空航天大学
申请日： 2019-05-22 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于生成对抗网络的病理图像检测算法，对现有数据进行预处理；使用改进的RAGAN模型，将数据输入生成器RAU‑Net中，得到概率值，将真实的概率值与生成的概率值做比较，得到像素损失；将原始病理图片以及生成器的输出或者是真实的概率图输入到判别器当中，判别器输出0/1判断其是否为生成的概率图或者是真实的概率图，得到对抗损失，然后将结果反向传递到生成器中，得到最后的损失函数；根据损失函数，使用反向传播的梯度下降法，当训练集损失到达设置的值或者指定的轮数时，并且算法稳定收敛即是训练完成；将该模型应用到测试集上，得到生成的概率图，经过阈值筛选，得到最后的核检测结果。
一种基于生成对抗网络病理图像检测算法

[发明专利]图像处理方法、系统、设备、可移动平台和存储介质-CN201980031834.X在审
发明人：席迎来 -专利权人：深圳市大疆创新科技有限公司
申请日： 2019-07-30 - 公布日： 2020-12-18 - 主分类号： G06T3/00 文献下载
摘要：本说明书公开了一种图像处理方法、系统、设备、可移动平台和存储介质，包括:确定待处理图像的样本像素(S110)；根据所述多个样本像素中各样本像素的像素特征，确定样本像素对应于不同像素特征的概率分布模型(S120)；根据概率分布模型以及待处理图像中各像素的像素特征确定各像素的目标概率，以生成目标概率图(S130)；根据目标概率图对待处理图像进行处理(S140)。
图像处理方法系统设备移动平台存储介质

[发明专利]室内定位方法、系统和定位平台-CN201310202576.1有效
发明人：孔勇平;张玉良;钟致民;杨广龙;苏少毅;梁峥;余冬苹;王颖 -专利权人：中国电信股份有限公司
申请日： 2013-05-28 - 公布日： 2017-11-28 - 主分类号： H04W64/00 文献下载
摘要：该方法包括根据被定位终端的无线信号强度与各参考点信号强度概率分布图得到在各参考点检测到该无线信号强度的先验概率；根据先验概率基于贝叶斯决策获得后验概率；将后验概率与各参考点转移概率矩阵相乘，输出转移概率最大的参考点作为被定位终端的定位结果该方法、系统和平台通过转移HMM模型构建室内无线信号强度概率分布图来实现精准定位的通用方法，结合无线信号强度采集与预处理机制、基于转移HMM模型的概率分布匹配方法，可为用户提供体验良好的室内精准定位服务
室内定位方法系统平台

[发明专利]一种基于KL散度和离散化数据的异常检测算法-CN201811266627.6在审
发明人：张卫山;张亚飞;郭武武 -专利权人：中国石油大学（华东）
申请日： 2018-10-29 - 公布日： 2019-03-12 - 主分类号： G06F16/2458 文献下载
摘要：本发明提出了一种基于KL散度(Kullback‑Leibler divergence)和离散化数据的异常检测算法，基于大数据模式挖掘、以及异常概率计算。该算法分为训练阶段和运行阶段：训练阶段主要通过挖掘数据模式，同时采用假设检验方式删除冗余数据模式来构建概率坐标轴(以提取模式为坐标x轴，以模式发生概率为y轴)，并构建异常数据概率图和均值概率图；运行阶段主要构建数据模式概率图和采用
构建训练阶段概率图散度异常检测算法数据模式异常数据运行阶段离散化算法方式删除假设检验均值数据模式发生模式挖掘判断数据冗余数据设备异常数据包含数据状态相似程度异常概率坐标x轴大数据坐标轴概率挖掘

[发明专利]基于改进概率图模型的多目标轨迹预测方法及系统-CN202310265840.X在审
发明人：胡涛;成凯鑫;王书;李汀立;刘凯越;吴迪;张龙;卢万杰 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2023-03-17 - 公布日： 2023-06-23 - 主分类号： G05D1/02 文献下载
摘要：本发明涉及航迹规划技术领域，特别涉及一种基于改进概率图模型的多目标轨迹预测方法及系统，依据各目标初始位置及初始速度来设置目标运动信息结构，并构建在预设区域内的多目标分布概率模型；利用目标运动信息结构来求解各目标分布概率模型，依据求解结果来预测对应目标轨迹分布概率。本发明通过改进目标概率图模型，利用目标运动信息来改进未知动态目标的预测模型，并通过生成具有方向性的二维正态概率分布图来实现目标运动轨迹的拟合，进而能够实现对未知动态单目标和/或多目标的轨迹预测，提高轨迹预测精准度
基于改进概率模型多目标轨迹预测方法系统

[发明专利]基于神经网络的分类方法及其分类装置-CN201811309647.7有效
发明人：黄茂裕 -专利权人：财团法人工业技术研究院
申请日： 2018-11-05 - 公布日： 2023-04-14 - 主分类号： G06F18/2415 文献下载
摘要：本发明提供了一种基于神经网络的分类方法，包括：获得神经网络以及第一分类器；将输入数据输入至神经网络以产生特征图；裁切特征图以产生特征图的第一裁切部位及第二裁切部位；输入第一裁切部位至第一分类器以产生第一概率向量；输入第二裁切部位至第二分类器以产生第二概率向量，其中第一分类器的权重被分享给第二分类器；以及对第一概率向量及第二概率向量进行概率融合，从而产生用以决定输入数据的分类的估测概率向量。
基于神经网络分类方法及其装置

[发明专利]一种基于对象分类和自适应子图匹配的API推荐方法-CN201711188298.3在审
发明人：周毓明;贾倩倩 -专利权人：南京大学
申请日： 2017-11-21 - 公布日： 2019-05-28 - 主分类号： G06F8/33 文献下载
摘要：本发明提出一种基于对象分类和自适应子图匹配的API推荐方法，先将API方法使用模式串根据方法所属类划分，然后对每个类中的API使用模式串建立图库GDB。当需在位置L处推荐时，先从L的上文代码中抽取与待推荐方法属于同类的方法使用模式串，生成图SG，进行剪枝得到集合。对于集合中每个子图，先计算子图概率，继而使用子图在图库中搜索匹配得到候选方法及对应概率，将其与子图概率相结合可得到每个方法最终被调用概率。根据概率由高至低排序得到最终API方法推荐列表。
概率对象分类方法使用模式串自适应图库匹配集合方法推荐使用模式搜索匹配语言模型字母排序剪枝调用排序抽取

[发明专利]基于核引导可变卷积和双窗联合双边滤波器的高光谱图分类方法及系统-CN202110361621.2有效
发明人：冯收;朱文祥;赵春晖;吴丹;秦博奥;成浩;樊元泽;丰瑞 -专利权人：哈尔滨工程大学
申请日： 2021-04-02 - 公布日： 2022-03-22 - 主分类号： G06V10/764 文献下载
摘要：基于核引导可变卷积和双窗联合双边滤波器的高光谱图分类方法及系统，属于高光谱图像分类技术领域。为了解决现有的高光谱图像分类方法存在问题椒盐噪声和区域级错分问题，以及无法提取适当的空谱信息的问题。本发明首先利用多层核引导可变卷积层组成特征提取网络提取准确的空谱特征，并得到初始的分类概率图；然后进行再分类，经过第一个双窗联合双边滤波器和第二个双窗联合双边滤波器进行分类；对于初始的分类概率图中任一个像素点进行上述操作，输出的结果就是最终的分类概率图；对最终的分类概率图进行最大概率取值，得到最终的分类结果图。主要用于高光谱图的分类。
基于引导可变卷积联合双边滤波器光谱分类方法系统

[发明专利]残差-知识-数据联合驱动的故障复合诊断方法及系统-CN202211166632.6在审
发明人：王占伟;李修真;周西文;谈莹莹;王林;马爱华;周赛;袁俊飞;任秀宏;王雨;梁博阳 -专利权人：河南科技大学
申请日： 2022-09-23 - 公布日： 2022-12-23 - 主分类号： G01M99/00 文献下载
摘要：残差‑知识‑数据联合驱动的故障复合诊断方法及系统，所述方法中，第一步，构建概率图模型，包括确定概率图模型的结构和参数，第二步，在线应用概率图模型，对在线实时监测数据经过计算，将获得的残差节点中特征的残差数据、数据节点中特征的直接监测数据、以及知识节点中特征的状态，一并输入到概率图模型中，得到诊断层节点各状态的后验概率，将诊断层中有着最大后验概率的那个状态输出为故障诊断结果；所述系统包括存储器和处理器，处理器执行计算机程序
知识数据联合驱动故障复合诊断方法系统

[发明专利]特征图编解码方法和装置-CN202210300566.0在审
发明人：师一博;葛运英;王晶;毛珏;赵寅;杨海涛 -专利权人：华为技术有限公司
申请日： 2022-03-25 - 公布日： 2023-03-21 - 主分类号： H04N19/13 文献下载
摘要：本申请提供了特征图编解码方法和装置。涉及基于人工智能(AI)的数据编解码技术领域，具体设计基于神经网络的数据编码解码技术领域。其中特征图解码方法包括：获取待解码特征图的码流，该待解码特征图包括多个特征元素；基于该码流，获得每个特征元素对应的第一概率估计结果，该第一概率估计结果包括第一峰值概率；基于第一阈值和每个特征元素对应的第一峰值概率，从多个特征元素中确定第一特征元素的集合和第二特征元素的集合；基于该第一特征元素的集合和第二特征元素的集合，得到该解码特征图。通过概率估计结果和每个特征元素对应的第一峰值概率确定每个特征元素的解码方式，能在降低编解码复杂度的同时提升编解码性能。
特征解码方法装置

[发明专利]光学遥感图像云检测模型训练方法、检测方法和装置-CN202310181292.2在审
发明人：闫志远;杨竹君;李俊希;刁文辉;戴威 -专利权人：中国科学院空天信息创新研究院
申请日： 2023-02-27 - 公布日： 2023-05-16 - 主分类号： G06N3/096 文献下载
摘要：本公开提供了一种光学遥感图像云检测模型训练方法，包括：将光学遥感图像输入未经训练的云检测模型中，训练得到教师模型；固定教师模型的参数后，将光学遥感图像分别输入教师模型和预设学生模型中，分别输出第一特征图、第一预测概率分布和第二特征图、第二预测概率分布；根据第一特征图确定第一特征关联性知识；根据第二特征图确定第二特征关联性知识；根据第一特征关联性知识、第二特征关联性知识、第一预测概率分布和第二预测概率分布、利用第一预测概率分布计算得到的预测概率值和真值标签，计算预设学生模型的损失值；根据损失值，更新预设学生模型的参数，直至预设学生模型收敛，将收敛后的预设学生模型作为目标光学遥感图像云检测模型。
光学遥感图像检测模型训练方法装置