“次卷积”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1267883个，建议您升级VIP下载更多相关专利

[发明专利]卷积神经网络的训练方法、图像识别方法及装置-CN201610942156.0有效
发明人：万韶华;陈志军;杨松 -专利权人：北京小米移动软件有限公司
申请日： 2016-10-31 - 公布日： 2020-07-21 - 主分类号： G06K9/62 文献下载
摘要：本公开是关于一种卷积神经网络的训练方法、图像识别方法及装置，该基于卷积神经网络的图像识别方法包括：获取训练完成的卷积神经网络，所述训练完成的卷积神经网络通过对训练样本和初始化卷积神经网络进行卷积神经网络训练，在训练过程中的每一次迭代计算时舍弃部分计算层，并用单位映射代替被舍弃的计算层而得到；对待识别图像进行预处理，得到测试样本；根据所述训练完成的卷积神经网络，对所述测试样本进行图像识别，得到识别结果。
卷积神经网络训练方法图像识别装置

[发明专利]一种便携式超声扫描图像的识别方法、装置及电子设备-CN202310570690.3有效
发明人：李劲松;徐阳迪;赵英浩;田雨;周天舒 -专利权人：之江实验室
申请日： 2023-05-19 - 公布日： 2023-08-11 - 主分类号： G06T7/00 文献下载
摘要：本说明书公开了一种便携式超声扫描图像的识别方法、装置及电子设备，本说明书实施例将患者病变部位的图像输入到图像识别模型中，通过图像识别模型，先对图像进行一次卷积，得到第一特征，再通过不同卷积核的卷积层，分别对第一特征进行卷积在此方法中，同时采用不同卷积核的卷积层，对第一特征进行卷积处理，可以得到图像中不同的空间特征，再将不同的空间特征进行拼接，得到图像更多的空间特征，通过更多的空间特征进行病因识别，可以降低低质量图像对病因识别的干扰
一种便携式超声扫描图像识别方法装置电子设备

[发明专利]基于dirac残差深度神经网络的超分辨率重建方法-CN201910354259.9在审
发明人：杨欣;谢堂鑫;朱晨;周大可;李晓川;李志强 -专利权人：南京航空航天大学
申请日： 2019-04-29 - 公布日： 2019-09-06 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了基于dirac残差深度神经网络的超分辨率重建方法，网络输入低分辨率图片，通过多个dirac参数化的残差块学习图像特征，使用亚像素卷积重建出高分辨率图像。网络分为上下两个部分，上部分通过深度dirac残差网络得到LR的高频特征，然后通过亚像素卷积进行重建。下部分直接通过对LR的低频特征进行亚像素卷积来重建图像。之后结合两次重建结构输出重建HR图像。本发明通过权重参数化来改进残差层，并且缩小激活函数Relu前的卷积特征维度，增加激活函数后的卷积特征维度。同时将输入图像的卷积特征与残差网络学习的特征结合进行重建，在网络深度相同的情况下获得更好的SR效果。
卷积残差亚像素重建超分辨率重建激活函数神经网络特征维度网络高分辨率图像低分辨率低频特征高频特征权重参数输入图像特征结合网络学习学习图像重建图像参数化残差块图像输出改进图片

[发明专利]一种信号捕获方法-CN201911145352.5在审
发明人：张遂征;刘威;秦虎;芦毅 -专利权人：北京宏德信智源信息技术有限公司
申请日： 2019-11-21 - 公布日： 2020-03-13 - 主分类号： H04L27/26 文献下载
摘要：本发明保护一种信号捕获方法，包括：对待捕获信号的C/A码进行快速傅里叶变换生成C/A码频域数据；使用预设频率，对采样信号进行载波剥离；对剥离后的信号进行快速傅里叶变化，得到采样频域信号；对所述采样频域信号进行n次平移，得到n个平移采样频域信号；将所述n个平移采样频域信号中的每个平移采样频域信号与所述C/A码频域数据进行频域卷积，得到n个频域卷积信号；对所述n个频域卷积信号中的每个频域卷积信号做逆傅里叶变换，得到n个时域卷积序列；对所述n个时域卷积序列进行捕获判定。
一种信号捕获方法

[发明专利]基于结构优化稀疏卷积神经网络的图像分类方法及介质-CN201911197205.2在审
发明人：唐贤伦;徐瑾;李洁;代宇艳;陈瑛洁;余新弦;孔德松 -专利权人：重庆邮电大学
申请日： 2019-11-29 - 公布日： 2020-03-27 - 主分类号： G06K9/62 文献下载
摘要：本发明请求保护一种基于结构优化稀疏卷积神经网络的图像分类方法及介质。针对卷积神经网络的卷积层对其输入特征图通道的连接结构，利用遗传算法对其进行稀疏化，并使用稀疏化之后的卷积模型进行图像分类。首先预训练一个卷积模型并保存预训练权重；然后，根据除模型输入层以外的某个卷积层对其输入特征通道的连接进行二进制编码，生成若干个二进制序列，作为初始种群；接着，利用遗传算法对二进制编码进行选择、交叉和变异；最后，经过若干次迭代后，将获得的最优二进制序列，并进行解码，得到稀疏化的特征通道连接结构，并通过权重微调来恢复模型的分类准确率。
基于结构优化稀疏卷积神经网络图像分类方法介质

[发明专利]一种石刻文字识别的优化方法及系统-CN202111048328.7在审
发明人：杨逸舟;陈海江 -专利权人：浙江力石科技股份有限公司
申请日： 2021-09-08 - 公布日： 2021-12-14 - 主分类号： G06K9/20 文献下载
摘要：本发明涉及文字识别技术领域，具体涉及一种石刻文字识别的优化方法及系统，步骤为：获取特殊环境石刻图片，利用卷积神经网络训练特殊环境石刻模型；进行N次迭代后，将特殊环境石刻模型训练后的参数叠加到每层日常石刻训练的过程，作为每层卷积后的偏移值进入下一层卷积，其中N为自然数；在卷积层提取特征，利用特征值反卷积恢复原始图片，并将原始图片特征还原；对恢复后的图片进行卷积处理，得到生成图片的特征后与原始图片进行对抗，最后得到石刻文字识别优化模型
一种石刻文字识别优化方法系统

[发明专利]一种残差网络实现方法、系统、设备及计算机存储介质-CN201710947024.1有效
发明人：丁良奎;郭跃超;李磊 -专利权人：苏州浪潮智能科技有限公司
申请日： 2017-10-12 - 公布日： 2021-01-29 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种残差网络实现方法、系统、设备及计算机存储介质，其中该方法包括：DDR获取外界输入的图片信息；Pe Feeder读取DDR获取的图片信息，并将图片信息作为当前图片信息发送至Pe模块组；Pe模块组对当前图片信息进行卷积运算，得到卷积结果，并将该卷积结果发送至残差模块；残差模块在预设的头文件的触发下，对卷积结果进行残差操作；Sequencer基于头文件判断是否进入下一次卷积操作，若是，则将残差模块的输出结果作为当前图片信息发送至Pe模块组，返回Pe模块组对当前图片信息进行卷积运算的操作。
一种网络实现方法系统设备计算机存储介质

[发明专利]一种基于不匹配算子的显微镜图像去卷积加速算法-CN202010263899.1有效
发明人：刘华锋;李玥 -专利权人：浙江大学
申请日： 2020-04-07 - 公布日： 2022-04-29 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于不匹配算子的显微镜图像去卷积加速算法，通过在传统理查德森‑露西算法中引入不匹配的反向投影算子来帮助荧光显微镜图像进行去卷积操作，通过计算相应的具有最快收敛效率的反投影算子，并与巴特沃斯滤波器相结合，将导致伪影的超过衍射极限的频率去除，保持算法去卷积效果，在每次迭代计算时间几乎不变的情况下，减少所需的去卷积迭代次数，在多数情况下，仅需一次迭代就能获得理想的去卷积效果。故本发明有效设计了反向投影算子，改善了计算机在迭代去卷积过程中迭代次数难以确定、计算时间长、计算代价大的问题。
一种基于匹配算子显微镜图像卷积加速算法

[发明专利]一种基于3D卷积神经网络的分心驾驶识别方法-CN201910335667.X在审
发明人：曾凯;张曼 -专利权人：贵州理工学院
申请日： 2019-04-24 - 公布日： 2019-08-02 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于3D卷积神经网络的分心驾驶识别方法，属于深度学习、模式识别领域，尤其涉及基于深度卷积神经网络的分心驾驶识别方法。对驾驶姿态图片做叠加处理构建输入层。首先对图片立方体做卷积计算为C1卷积层;然后通过两路不同的卷积核做卷积计算，再做最大池化计算，连续重复四次，为网络的C2、C3、C4、C5卷积层；最后将C5输出的两类特征图做合并操作，再依次经过两个全连接层本发明将2D图片叠加构建3D输入，同时使用了两路不同的卷积核提出特征，网络具有泛化能力强，识别精度高的优点。
卷积神经网络驾驶卷积计算卷积核构建卷积两路模式识别领域输出叠加处理合并操作连续重复图片叠加连接层能力强输入层特征图池化网络图片学习

[发明专利]基于卷积神经网络的日志分类方法、系统、设备和介质-CN202111065617.8在审
发明人：庆隆阳 -专利权人：济南浪潮数据技术有限公司
申请日： 2021-09-10 - 公布日： 2022-01-28 - 主分类号： G06F16/18 文献下载
摘要：本发明提出了基于卷积神经网络的日志分类方法、系统、设备和介质，该方法包括将获取的原始日志解析为结构化数据，对结构化数据进行特征提取得到特征集，并对特征集中的冷热样本进行一次标注；将特征集按照预设的比例划分为训练集和测试集，采用训练集中的冷热样本对卷积神经网络进行训练，以及调整卷积神经网络的卷积核和训练参数；然后使用测试集验证调整后的卷积神经网络；将经过卷积神经网络训练后的日志分类管理。本发明将卷积神经网络模型应用在日志分类中，同时为了应对训练样本数据不能满足海量级别，从结构和参数上对卷积神经网络进行了调整，以提升检测速度和检测准确率。
基于卷积神经网络日志分类方法系统设备介质

[发明专利]基于FPGA的YOLOv4卷积神经网络轻量化方法-CN202211720453.2在审
发明人：程帅琪;张君宇 -专利权人：合肥中科智存科技有限公司
申请日： 2022-12-30 - 公布日： 2023-04-18 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了基于FPGA的YOLOv4卷积神经网络轻量化方法，涉及YOLOv4卷积神经网络的技术领域，针对当前YOLOv4卷积神经网络结构复杂、参数多、训练所需的配置高以及实时检测每秒传输帧数低的问题，提出一种轻量化的YOLOv4卷积神经网络，其中，对YOLOv4卷积神经网络的主干网络即CSPdarknet53网络中残差块的个数以及堆叠次数进行削减，保留了主干网络中的CSPNet结构以及残差结构；在YOLOv4卷积神经网络的主干网络中，选择H‑swish函数作为激活函数；在YOLOv4卷积神经网络的空间金字塔池化层中使用SPPF结构；利用加法二次幂量化即APoT量化，对YOLOv4卷积神经网络进行量化。
基于 fpga yolov4 卷积神经网络量化方法

[发明专利]等变网络训练方法和装置、图像识别方法和装置-CN202210082330.4有效
发明人：陈智强;余山;陈阳 -专利权人：北京智源人工智能研究院
申请日： 2022-01-24 - 公布日： 2022-12-16 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种等变网络训练方法，包括：构造由卷积层组成的网络模型；利用目标变换群对应的维度参数将所述网络模型中卷积层的卷积操作转变为等变卷积操作；利用训练图像集中的图像对所述网络模型进行训练，以获得等变网络通过在网络的卷积层中增加一个目标变换群维度，即利用目标变换群对应的维度参数将网络中卷积层的卷积操作转变为等变卷积操作，从而实现在目标变换群上的等变网络，能够将图像的变换与本质特征解耦。目标变换群可以是任意线性变换群，包括并不限于平移变换群、旋转变换群、放缩变换群、错切变换群、齐次空间下的三维旋转变换群，因此本方案能够实现任意线性群等变网络的实现，方案通用性强。
网络训练方法装置图像识别

[发明专利]建筑图纸构件识别模型构建方法、识别方法及相关设备-CN202010249614.9有效
发明人：张小虎;朱磊;王运昌;王泽 -专利权人：万翼科技有限公司
申请日： 2020-03-31 - 公布日： 2023-08-18 - 主分类号： G06V30/422 文献下载
摘要：本申请实施例公开了一种建筑图纸构件识别模型构建方法、识别方法及相关设备，该建筑图纸构件识别模型构建方法通过将传统卷积神经网络中的卷积层替换为预构建的轻量卷积层，以构建轻量级卷积神经网络；然后对样本建筑图纸进行分解、旋转、平移等一系列的处理，得到训练用的第一目标图纸集；将第一目标图纸集输入轻量级卷积神经网络，通过轻量级卷积神经网络的轻量卷积层和池化层提取到第一目标图纸集中的第一目标图纸的局部高层特征，基于局部高层特征识别样本建筑图纸中的构件；经过预设数量次的循环训练，轻量级卷积神经网络收敛，得到训练好的建筑图纸构件识别模型。
建筑图纸构件识别模型构建方法相关设备

[发明专利]一种电力系统二次设备故障短文本数据分类方法-CN202010608271.0在审
发明人：南东亮;张路;于永军;王晓飞;杨利民;张良武;周杰;王利超;孙永辉;谭金龙;王畅;王斌春;杨延栋;刘威麟 -专利权人：国网新疆电力有限公司电力科学研究院;国家电网有限公司
申请日： 2020-06-30 - 公布日： 2020-10-13 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种电力系统二次设备故障短文本数据分类方法，所述方法基于主题词模型与卷积神经网络，通过使用主题词模型构建出主题词向量提取出全局性特征与使用词向量技术提取出的局部性特征，将两种特征相结合，作为卷积神经网络的输入层矩阵，提取出二次设备短文本数据信息的特征，对故障级别进行分类。本发明解决传统分类主要依靠人工经验对于故障数据分类的主观性，并且考虑到二次设备故障短文本信息的不同层次的特征，分别使用不同的模型，对文本信息的全局性特征与局部性特征二者进行结合，并使用卷积神经网络做特征提取并分类
一种电力系统二次设备故障文本数据分类方法

[发明专利]一种锂离子正极材料SEM图迂曲度提取方法及装置-CN202210254627.4在审
发明人：陈宁;綦彪;谢逸航;陈致蓬;阳春华;桂卫华;王接喜;陈洛文 -专利权人：中南大学
申请日： 2022-03-15 - 公布日： 2022-06-07 - 主分类号： G06T7/00 文献下载
摘要：图迂曲度提取方法及装置，通过获取锂离子正极材料在不同烧结温度下的SEM图像，对SEM图像进行预处理，得到二值图像；对二值图像进行距离变换得到距离变换图，并将变换得到的距离变换图与构建的多尺度的圆形邻域滤波器进行差分卷积，得到卷积结果图；将卷积结果图中的每个像素与预设的全局阈值T进行比较，提取出二次颗粒的前景标记像素；运用形态学闭运算对前景标记像素进行标记，得到前景标记图；利用前景标记图，采用分水岭算法对预处理后的SEM图像进行分割，得到最终的分割结果；利用分割结果，采用蒙特卡罗方法计算二次颗粒的面积和迂曲度。本发明实现二次颗粒的精确分割和对产品性能的预测。
一种锂离子正极材料 sem 迂曲提取方法装置