“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]基于合成分析反卷积网络的快速成像方法及系统-CN201611138095.9有效
发明人：刘且根;王宗祥;熊娇娇;徐晓玲;张明辉;王玉皞 -专利权人：南昌大学
申请日： 2016-12-12 - 公布日： 2019-10-29 - 主分类号： G06T5/00 文献下载
摘要：一种基于合成分析反卷积网络的快速成像方法，包括以下步骤：在融入DN和MRF先验信息的合成分析反卷积网络上用图像库进行滤波器学习；在滤波器训练过程中利用轮换技术、半二次分离技术和迭代重加权最小二乘法更新滤波器和稀疏系数；在已训练的滤波器基础上，从欠采样K空间中获取初始图像，建立图像重建模型；在重建模型上利用轮换技术、半二次元分离技术和迭代重加权最小二乘法进行稀疏系数和目标图像更新；满足收敛条件得到重建图像。本发明在一定程度上提高了图像重建的精度，同时还提供了一种运用上述合成分析反卷积网络的快速成像方法的基于合成分析反卷积网络的快速成像系统，能够得到较高精度的重建图像。
基于合成分析卷积网络快速成像方法系统

[发明专利]一种基于可形变部件模型算法的目标检测硬件结构-CN201710118342.7有效
发明人：曹伟;黄峰;杨贤;孙亚洲;王伶俐;周学功;詹琪;焦黎;高敏 -专利权人：智擎信息系统(上海)有限公司
申请日： 2017-03-01 - 公布日： 2020-07-24 - 主分类号： G06T9/00 文献下载
摘要：本申请公开了一种基于可形变部件模型算法的目标检测硬件结构，包括：图片解码模块，与图片解码模块相连接的双线性插值模块，与双线性插值模块相连接的外部缓存结构模块，与外部缓存结构模块相连接的HOG特征提取模块，与HOG特征提取模块相连接的主卷积模块和次卷积模块，与次卷积模块相连接的距离变换模块，与主卷积模块和距离变换模块相连接的得分值计算模块，以及与外部缓存结构模块相连接的控制整个计算流程的图片调度控制模块。
一种基于形变部件模型算法目标检测硬件结构

[发明专利]基于粗糙集属性约简的卷积神经网络岩性识别方法-CN202110677523.X有效
发明人：潘少伟;王朝阳;姜涵 -专利权人：西安石油大学
申请日： 2021-06-18 - 公布日： 2022-01-04 - 主分类号： G06K9/62 文献下载
摘要：本发明属于油气岩性识别技术领域，涉及一种基于粗糙集属性约简的卷积神经网络岩性识别方法；1)收集数据得到训练集D；2)分别D中图片上的曲线拆分成单条曲线图片组成同源图片组得到D′；3)采用卷积神经网络模型同时对每个同源图片组作卷积训练，得到p×k组合向量；4)用粗糙集对组合向量进行属性约简得到B；5)B送入分类器模型中得到第一次实际输出结果；6)将第一次实际输出值与期望输出结果比较，根据比较结果调整参数反复迭代训练，直至准确率满足要求或最大时停止训练本发明在卷积神经训练中，通过粗糙集对数据集进行属性约简，从而达到精简数据集，减少模型训练的难度；同时通过反复调整、迭代训练，提高准确率。
基于粗糙属性卷积神经网络识别方法

[发明专利]一种图像分割方法及装置-CN201910075286.2有效
发明人：黄永祯;曹春水;王继隆 -专利权人：银河水滴科技(北京)有限公司
申请日： 2019-01-25 - 公布日： 2023-05-30 - 主分类号： G06T7/11 文献下载
摘要：本申请提供了一种图像分割方法及装置，该方法通过获取模板图像和待分割图像；将模板图像和待分割图像输入至预先训练好的分割模型中，执行：对模板图像经过不同次卷积处理后得到不同维度的第一特征图像；将待分割图像经过第n次卷积处理后得到的特征图像与第n维第一特征图像进行拼接，将拼接后的图像进行卷积处理后得到第n维第二特征图像；依次将第n+i‑1维第二特征图像与第n+i‑1维的第一特征图像进行拼接，将拼接后得到的图像进行卷积后得到第
一种图像分割方法装置

[发明专利]3D卷积神经网络在神经网络处理器上的处理方法和装置-CN202010821325.1在审
发明人：黄斌 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2020-08-14 - 公布日： 2020-11-24 - 主分类号： G06N3/04 文献下载
摘要：本申请提供一种3D卷积神经网络在神经网络处理器上的处理方法和装置。本申请中，将图序列在时间维度上的数据拼接到通道维度上，得到多个2D拼接图，同时，将C3D卷积层的3D卷积核在时间维度上的数据也拼接到通道维度上，得到2D拼接卷积核。由此，神经网络处理器可以基于该2D拼接图和2D拼接卷积核进行卷积运算，实现了神经网络处理器支持神经网络的卷积处理。同时，本申请还将C3D池化层进行池化操作步骤的转换，将输入到池化层的数据降低时间维度增加数量维度，进行多次第一池化操作，然后沿高度或宽度对数据进行拼接后进行二次池化操作，实现了神经网络处理器支持卷积神经网络的池化处理
卷积神经网络处理器处理方法装置

[发明专利]基于卷积神经网络的斑石鲷个体识别方法-CN202010517103.0在审
发明人：岳峻;李备备;贾世祥;王庆 -专利权人：鲁东大学
申请日： 2020-06-08 - 公布日： 2020-09-15 - 主分类号： G06K9/00 文献下载
摘要：本发明提出一种基于卷积神经网络的斑石鲷个体识别方法，斑石鲷个体识别模型中，目标初定位由三个连续的卷积层、一个核和步长为1的平均池化层组成，经三个连续的卷积层获取的图像中的特征兴趣点区域，平均池化层设置超参数候选框，获取多个特征兴趣点比较集中的区域，以得到目标物体所在图像的大体位置，接着对原始图像进行图像区域分割；II_Net主干卷积神经网络由6层卷积层，4个池化层组成；使用LeakyReLU激活函数作为第一层卷积层的激活函数；基于遗传算法改进的全连接层；使用Alexnet的后三层卷积网络结构以及参数数据；最大池化层为重叠池化结构，且在第二次最大池化时，使用空洞卷积，测试数据通过上述建立的模型进行斑石鲷的个体识别。
基于卷积神经网络斑石鲷个体识别方法

[发明专利]一种基于电阻式存储器的卷积加速运算阵列及其控制方法-CN202211398594.7在审
发明人：童浩;李鑫;缪向水 -专利权人：华中科技大学
申请日： 2022-11-09 - 公布日： 2023-04-04 - 主分类号： G11C8/08 文献下载
摘要：本发明公开了一种基于电阻式存储器的卷积加速运算阵列及其控制方法，属于存储器技术领域，其行数为卷积核的大小，列数为将卷积核在待卷积数据D上进行滑动来遍历待卷积数据D时所需的总滑动次数S，字线的总条数为待卷积数据D中元素的总量，位线的总条数为S；每一列上的电阻式存储器单元均连接在同一位线上；通过在每一列上存储卷积核中的所有权重值，并按照每一位线输出一次滑动下的点乘运算结果、且阵列的位线能够同步输出所有点乘运算结果的原则进行计算，确定阵列中各电阻式存储器单元的输入，并将每一行上输入相同的电阻式存储器单元连接在同一条字线上，以确定位线分布；在该位线分布下，卷积加速阵列有更多的输入端口，运算效率较高。
一种基于电阻存储器卷积加速运算阵列及其控制方法

[发明专利]一种多层次卷积神经网络的数据处理方法-CN201810483294.6在审
发明人：程良伦;甘婷婷;李婧瑶 -专利权人：广东工业大学
申请日： 2018-05-18 - 公布日： 2018-11-02 - 主分类号： G06F17/30 文献下载
摘要：本发明涉及数据处理技术领域，具体公开了一种多层次卷积神经网络的数据处理方法，包括：S10：对输入的数据进行预处理；S20：在神经网络中创建一个卷积层，初始化该卷积层各神经元的权值并预设该卷积层的阈值；将预处理结果传输到该卷积层中，使用Softmax激活函数对所述卷积层中的预处理结果进行分类处理；S30：判断分类处理得到的分类结果是否达到预设的阈值：若是，则将该分类结果发送至连接层；若否，则将该分类结果发送至特征映射层，在特征映射层对该分类结果进行局部平均和二次提取处理后返回所述本发明提供的多层次卷积神经网络的数据处理方法，可以高效地提取海量数据中的有效信息。
分类结果卷积卷积神经网络数据处理预处理结果分类处理连接层映射层预设神经元预处理发送数据处理技术二次提取海量数据激活函数神经网络有效信息初始化传输输出返回创建

[发明专利]命名实体识别方法、装置、终端设备及存储介质-CN202010087110.1在审
发明人：陈桢博;金戈;徐亮 -专利权人：平安科技（深圳）有限公司
申请日： 2020-02-11 - 公布日： 2020-06-26 - 主分类号： G06F40/295 文献下载
摘要：本申请适用于计算机技术领域，提供了命名实体识别方法，包括：获取待识别文本，并将待识别文本转换为n×k维的第一矩阵；对第一矩阵进行多层卷积层卷积，其中对所述多层卷积层中卷积核的通道数为m的最后一层卷积层进行4次卷积操作，得到4个并行的n×m维的第二矩阵；对4个第二矩阵中的3个第二矩阵进行注意力权重自适应后得到n×m维的第三矩阵，将第三矩阵与剩余的1个第二矩阵进行矩阵加法，输出n×m维的第四矩阵；对第四矩阵进行分类通过在卷积层中引入注意力机制，有效降低数据冗余，减少模型参数量，加快命名实体识别模型的识别速度。
命名实体识别方法装置终端设备存储介质

[发明专利]基于光子神经网络芯片的数据处理方法及相关装置或设备-CN202010159743.9在审
发明人：白冰;赵斌;吴建兵;李智 -专利权人：光子算数（北京）科技有限责任公司
申请日： 2020-03-10 - 公布日： 2020-04-14 - 主分类号： G06T7/11 文献下载
摘要：本发明提供了一种基于光子神经网络芯片的数据处理方法及相关装置或设备，将待处理图像分割成尺寸不同的多个子图像，然后逐一对每个子图像执行多层卷积处理，并基于每层的卷积核以及中间结果确定与子图像对应的缓冲器尺寸在本方案中，设定缓冲器尺寸大于等于每层的卷积核以及中间结果所需的缓冲器占用尺寸之和，即保证一个子图像在进行多层卷积时的卷积核与中间数据均能一次性存储在缓冲器中，避免了重复读取数据。且由于子图像的尺寸小于切割前图像的尺寸，而输入多层卷积的图像的尺寸越小，其卷积计算的效率越高。即本方案采用较小的缓冲器尺寸实现降低内存读取带宽的同时提高计算效率。
基于光子神经网络芯片数据处理方法相关装置设备

[发明专利]基于增强特征融合的交通场景图像语义分割方法-CN202110345699.5在审
发明人：谢刚;代文娟;谢新林;何秋生;王健安;罗臣彦 -专利权人：太原科技大学
申请日： 2021-03-31 - 公布日： 2021-06-25 - 主分类号： G06K9/34 文献下载
摘要：本发明属于图像语义分割领域，公开了一种基于增强特征融合的交通场景图像语义分割方法，采用在ImageNet数据库预训练的VGG16框架作为分割网络，将最后的全连接层换成卷积层，在全卷积网络的基础上，将上采样网络中增加一个特征融合点，即在第二层池化层开始进行特征融合，并在第二层池化层、第三层池化层、第四层池化层后各增加一次卷积采样操作，然后进行通道合并方式的特征融合，得到改进后的全卷积网络；对改进后的全卷积网络进行训练，训练结束后，用训练好的全卷积网络对测试集进行检测，得到分割结果。本发明用于解决交通场景图像语义分割问题，通过改进全卷积网络的上采样网络结构和特征融合方式，实现了高精度的交通场景图像语义分割。
基于增强特征融合交通场景图像语义分割方法

[发明专利]基于代理模型的对抗样本生成方法、装置和计算设备-CN202110000722.7在审
发明人：萧子豪;田天 -专利权人：北京智源人工智能研究院
申请日： 2021-01-04 - 公布日： 2021-02-05 - 主分类号： G06K9/62 文献下载
摘要：该方法包括：提供代理模型、原始样本和一基于迭代的对抗样本生成算法并迭代生成对抗样本，直到达到预设终止条件；在每个迭代轮次中：获取上一轮次迭代生成对抗样本时，代理模型的每一卷积核的各个参数自身的权重与梯度；根据每一卷积核的各个参数的权重和梯度计算每一卷积核的重要性分数；根据预设规则以及所述代理模型的各个卷积核的重要性分数剪除所述代理模型的部分卷积核；根据剪除部分卷积核后保留的各个卷积核更新所述代理模型；
基于代理模型对抗样本生成方法装置计算设备

[发明专利]一种医学影像特征提取方法、系统、设备和存储介质-CN202111607747.X在审
发明人：侯高琦;鞠海涛;樊昭磊;李传朋;颜红建;尚永生 -专利权人：山东众阳健康科技集团有限公司
申请日： 2021-12-24 - 公布日： 2022-04-08 - 主分类号： G06T7/00 文献下载
摘要：本发明提出了一种医学影像特征提取方法、系统、设备和存储介质，该方法包括获取医学原始图像；将医学原始图像输入神经网络；以及在第一特征向量中拼接医学原始图像参与卷积；第一特征向量为医学原始图像输入神经网络经过卷积后的通道数；在第一特征向量中拼接医学原始图像参与卷积之后，将医学原始图像相应数目的切片拼接至第二特征向量后参与卷积；第二特征向量为卷积后每个池化层输出的通道数；其中医学原始图像切片后的宽度等于上一次卷积之后得到的医学原始图像宽度本发明在卷积得到的每一层特征图上都加入原始图像信息，最大程度保留了图像的原始信息，能够更加充足的提取图像特征。
一种医学影像特征提取方法系统设备存储介质

[发明专利]指纹识别方法、装置、存储介质及计算机设备-CN202210484874.3在审
发明人：刘辉;陈书楷;杨奇 -专利权人：厦门熵基科技有限公司
申请日： 2022-05-06 - 公布日： 2022-08-02 - 主分类号： G06V40/12 文献下载
摘要：本发明提供的指纹识别方法、装置、存储介质及计算机设备，在获取到待识别的指纹图像后，将该指纹图像输入至指纹识别模型中，由于指纹识别模型包含有多个卷积层，每个卷积层包含有多个呈方形设置的卷积核，且每个卷积核都是由原始卷积核及所述原始卷积核经至少一次旋转后的各卷积核堆叠得到的
指纹识别方法装置存储介质计算机设备

[发明专利]基于频谱的石英玻璃检测方法、装置、设备及介质-CN202310897267.4在审
发明人：何良雨;崔健;刘彤 -专利权人：锋睿领创（珠海）科技有限公司
申请日： 2023-07-21 - 公布日： 2023-08-25 - 主分类号： G06T7/00 文献下载
摘要：对待检测石英玻璃图像进行卷积特征提取，得到第一卷积特征图，对第一卷积特征图进行卷积特征提取，对第一卷积特征图进行两次图像增强，将增强特征图进行融合，提取第一卷积特征图中的高频特征图与低频特征图，计算高频特征图与低频特征图之间的关联度，根据关联度对第一卷积特征图进行增强融合，得到融合特征图，对融合特征图进行检测，得到检测结果。
基于频谱石英玻璃检测方法装置设备介质