“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]3D卷积神经网络在神经网络处理器上的处理方法和装置-CN202010820483.5有效
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： 2023-09-26 - 主分类号： G06N3/0464 文献下载
摘要：本申请提供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拆分后与P3D卷积层的第一卷积核进行第一次卷积运算，得到多个第一2D特征图，然后将第一2D特征图划分后再拼接到通道维度上，得到多个2D拼接图；同时，将P3D卷积层的第二卷积核在时间维度上的数据拼接到通道维度上，得到2D拼接卷积核，并基于该2D拼接图和2D拼接卷积核进行第二次卷积运算。由此，神经网络处理器实现了支持3D神经网络的卷积处理。同时，本申请还将P3D池化层进行池化操作步骤的转换，分别进行了第一池化操作和第二次池化操作，实现了神经网络处理器支持3D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]一种基于卷积神经网络模型二次集成的黑色素瘤分类方法-CN201810708545.6有效
发明人：胡海根;孔祥勇;苏一平;陈胜勇;肖杰;周乾伟 -专利权人：浙江工业大学
申请日： 2018-07-02 - 公布日： 2021-12-17 - 主分类号： G06K9/00 文献下载
摘要：一种基于卷积神经网络模型二次集成的黑色素瘤分类方法，所述方法包括以下步骤：步骤1.基于随机掩盖来构建多个具有差异性的不同训练集；步骤2.卷积神经网络模型的构建及使用Focal loss作为模型的惩罚函数；步骤3.卷积神经网络模型的集成及二次集成。通过构建多个具有差异的训练集A、B、C等以及使用Resnet的50层卷积神经网络进行训练，最后根据模型的投票结果先进行一次集成，然后在一次集成的基础上再进行二次集成，旨在提高黑色素瘤自动识别分类的性能。
一种基于卷积神经网络模型二次集成黑色素瘤分类方法

[发明专利]一种基于通道数搜索卷积神经网络的方法-CN201911282344.5在审
发明人：朱徽;徐勇军;赵二虎;程坦;安竹林 -专利权人：中国科学院计算技术研究所
申请日： 2019-12-13 - 公布日： 2020-04-10 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种基于通道数搜索卷积神经网络的方法，包括：构建与待优化卷积神经网络的卷积层层数相同的初始卷积神经网络，并将该初始卷积神经网络每层的初始通道数设为相同数值并使初始卷积神经网络的初始通道数不超过待优化卷积神经网络的最小通道数，训练该初始卷积神经网络至收敛；对初始卷积神经网络进行多次突变以得到多个突变卷积神经网络，其中，单次突变是从预设的增量函数中随机选择一个增量函数对该次突变中的卷积神经网络的卷积层通道数进行增量变换后训练至收敛得到一个突变卷积神经网络；从多个突变卷积神经网络中选择图像分类准确率最高的突变卷积神经网络作为搜索结果。本发明可以从一个初始小规模网络，在控制网络参数量的同时迅速搜索产生性能较高的卷积神经网络，并大大减少训练消耗。
一种基于通道搜索卷积神经网络方法

[发明专利]一种基于卷积神经网络的智能家居用户行为识别方法-CN201910176423.1在审
发明人：陈小平 -专利权人：佛山市云米电器科技有限公司;陈小平
申请日： 2019-03-08 - 公布日： 2019-07-26 - 主分类号： G06K9/00 文献下载
摘要：一种基于卷积神经网络的智能家居用户行为识别方法，包括图像预处理(输入→H1)；第一次3D卷积(H1→C2)；第一次下采样(C2→S3)；第二次3D卷积(S3→C4)；第二次下采样(C4→S5)；2D卷积本发明提出一种基于卷积神经网络的智能家居用户行为识别方法，提升了家电产品对用户行为的识别能力和理解能力。
用户行为卷积神经网络智能家居卷积下采样图像预处理家电产品节点数据神经网络连接层平铺

[发明专利]一种基于多尺度特征的点云与图片融合方法、装置及其设备-CN201810779366.1有效
发明人：徐楷;冯良炳;姚杰;严亮 -专利权人：深圳辰视智能科技有限公司
申请日： 2018-07-16 - 公布日： 2020-10-09 - 主分类号： G06T7/73 文献下载
摘要：本发明实施例提供了一种基于多尺度特征的点云与图片融合方法、装置及其设备，所述方法包括：通过提取特征网络获得至少两组点云特征与图片特征，并对特征进行第一次卷积操作；根据抽象程度进行分组并对每组做分别逐元素取平均融合；将第一次卷积操作后的输出结果以及经过分组并逐元素取平均融合操作后获得的特征图进行一次跳跃连接，并进行线性融合操作；将经跳跃连接和线性融合后获得的特征图做第二次卷积操作；将经第二次卷积操作获得的四类特征进行逐元素取平均融合；将取平均融合后得到新的融合特征进行第三次卷积操作，并作为最终输出特征。
一种基于尺度特征图片融合方法装置及其设备

[发明专利]一种路牌角点的标记方法、装置、设备及存储介质-CN202111613036.3在审
发明人：李晓宵;贾双成;朱磊;孟鹏飞;李耀萍 -专利权人：智道网联科技（北京）有限公司
申请日： 2021-12-27 - 公布日： 2022-03-25 - 主分类号： G06V20/58 文献下载
摘要：获取携带有路牌元素的图像，沿多条预设分支对图像至少进行两次卷积计算，其中对每一条预设分支的首次卷积计算得到的卷积特征图分配注意力机制转换成注意力能量图，将注意力能量图与末次卷积计算得到的卷积特征图进行融合，得到注意力特征图，分别对多个注意力特征图进行卷积计算，得到多个待融合卷积特征图，将多个待融合卷积特征图进行特征融合计算，得到融合卷积特征图，对融合卷积特征图进行卷积计算，得到目标卷积特征图，基于目标卷积特征图标记路牌角点
一种路牌标记方法装置设备存储介质

[发明专利]一种减少卷积码译码误检的方法和装置-CN201310665122.8有效
发明人：王乃博;徐兵 -专利权人：联芯科技有限公司
申请日： 2013-12-10 - 公布日： 2018-08-03 - 主分类号： H04L1/00 文献下载
摘要：本发明涉及通信领域，公开了一种减少卷积码译码误检的方法和装置，能够降低卷积码译码误检概率。该方法包括：对上行调度卷积码和/或下行调度卷积码进行译码，保存译码的中间信息，上和/或下行调度卷积码分别为携带上和/或下行调度信息的卷积码，译码得到的数据分别为上行调度数据或下行调度数据；对上行调度数据或下行调度数据进行CRC校验；如果上和/或下行调度数据CRC校验正确，则结合译码的中间信息，对上和/或下行调度数据，进行二次校验；若上行调度数据二次校验的结果满足上行预设条件，则判定上行调度卷积码译码正确，否则为误检；若下行调度数据二次校验的结果满足下行预设条件，则判定下行调度卷积码译码正确，否则为误检。
下行调度卷积码译码上行调度卷积码误检译码校验方法和装置预设条件中间信息判定下行调度信息通信领域误检概率下行上行携带保存

[发明专利]一种道路目标检测方法及系统-CN202111447972.1在审
发明人：邓立霞;李洪泉;刘海英;陈奂宇;张肖轶群;毕凌云 -专利权人：齐鲁工业大学
申请日： 2021-11-30 - 公布日： 2022-03-01 - 主分类号： G06V10/25 文献下载
摘要：本发明提供了一种道路目标检测方法及系统，包括：获取道路相关图像信息；根据获取的图像信息，以及预设的道路目标检测模型，得到道路目标检测结果；其中，道路目标检测模型采用深度网络学习方法获得；模型中，添加了融合空洞卷积和深度可分离卷积的空洞感受野模块，对特征图进行下采样操作时，采用三个分支进行不同空洞率的卷积操作，在每个分支只进行一次空洞卷积操作，利用空洞卷积以包含更大的感受野，使其能够捕捉到多尺度信息，有效减少了特征信息的丢失；此外，在每个分支中只进行一次空洞卷积操作，克服了多次空洞卷积堆叠带来的图像特征丢失问题；用深度可分离卷积代替传统卷积操作，减少了计算量和参数量。
一种道路目标检测方法系统

[发明专利]基于空洞卷积神经网络的人脸深度和表面法向量预测方法-CN201710889248.1有效
发明人：王好谦;章书豪;方璐;戴琼海 -专利权人：深圳市未来媒体技术研究院;清华大学深圳研究生院
申请日： 2017-09-27 - 公布日： 2021-02-02 - 主分类号： G06K9/00 文献下载
摘要：基于空洞卷积神经网络的人脸深度和表面法向量预测方法，包括训练空洞卷积神经网络的步骤：S1、搭建一空洞卷积神经网络，包括依次连接的多个卷积层、多个空洞卷积层和多个反卷积层，其中，每个卷积层均连接有一规范化操作和一激励操作；S2、初始化空洞卷积神经网络的权重值；S3、将训练图片输入空洞卷积神经网络中，以最小化代价函数为目标对所述空洞卷积神经网络进行迭代训练；每迭代一次则更新一次权重值；S4、将测试图片输入训练得到的空洞卷积神经网络中，输出对应的人脸深度图和表面法向量图；S5、根据输出的人脸深度图和人脸表面法向量图判断训练的空洞卷积神经网络预测精度是否符合要求：若符合结束训练；若不符合返回步骤S3继续训练。
基于空洞卷积神经网络深度表面向量预测方法

[发明专利]基于CNN的心电信号处理方法及心律不齐检测系统-CN201910117098.1在审
发明人：张远;张宇微;于建勋;许文耀;杨珀;卢贝尼 -专利权人：济南大学
申请日： 2019-02-15 - 公布日： 2019-05-28 - 主分类号： A61B5/0402 文献下载
摘要：本公开公开了基于CNN的心电信号处理方法及心律不齐检测系统，包括：对心电信号进行预处理得到总样本集；构建卷积神经网络；采用十折交叉检验方式，对总样本集分十次划分成训练集和测试集；利用每一次划分的训练集对卷积神经网络进行训练；然后利用每一次训练集所对应的测试集对卷积神经网络进行测试，获得模型的分类精度；将十次分类精度进行加和求平均值，将平均值与设定阈值进行比较，如果分类精度平均值大于等于设定阈值，则停止训练，得到训练好的卷积神经网络；对待识别的心电信号进行预处理，将连续的心电信号分离成单个心跳信号，将待识别的单个心跳信号依次输入训练好的卷积神经网络中，卷积神经网络输出对待识别信号的分类结果。
卷积神经网络训练集预处理心电信号处理检测系统心电信号心律不齐心跳信号测试集总样本分类分类结果识别信号对心构建测试输出检验

[发明专利]基于两次迁移卷积神经网络的乳腺结构紊乱识别方法-CN201710679767.5在审
发明人：刘小明;翟蕾蕾;付天宇;胡威;刘俊;张凯 -专利权人：武汉科技大学
申请日： 2017-08-09 - 公布日： 2018-02-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于两次迁移卷积神经网络识别乳腺结构紊乱的方法。发明的方法将在ImageNet数据集上训练的模型参数迁移到目标卷积神经网络以对其模型参数进行初始化(第一次迁移)；然后使用恶性肿块图像和正常乳腺组织图像对目标卷积神经网络模型进行第一次微调训练(第二次迁移)；接下来使用训练集中已知类别信息的结构紊乱图像和正常乳腺组织图像进行第二次微调训练；最后，对未知类别信息的结构紊乱和正常组织进行识别。本方法实现了一种基于卷积神经网络和迁移学习进行识别的方法，与现有的方法相比，得到更好的分类效果和性能。
基于两次迁移卷积神经网络乳腺结构紊乱识别方法

[发明专利]视差图的获取方法、装置、系统及存储介质-CN201910359845.2在审
发明人：赵帅领 -专利权人：北京四维图新科技股份有限公司
申请日： 2019-04-30 - 公布日： 2020-10-30 - 主分类号： G06T17/05 文献下载
摘要：本发明提供一种视差图的获取方法、装置、系统及存储介质，该方法，包括：接收图像采集设备获取的左图像和右图像；通过第一卷积通道和第二卷积通道分别对左图像和右图像进行N次卷积处理，得到对应的左特征图和右特征图；对左特征图和右特征图进行融合处理，得到融合特征图；通过第三卷积通道对融合特征图进行M次的卷积处理，得到目标融合特征图；通过反卷积通道对目标融合特征图进行P次反卷积处理，得到左图像和右图像的视差图。
视差获取方法装置系统存储介质

[发明专利]一种基于二次迁移学习的虹膜身份验证方法-CN201910528587.6有效
发明人：黄以华;张睿 -专利权人：中山大学
申请日： 2019-06-18 - 公布日： 2022-12-09 - 主分类号： G06V40/18 文献下载
摘要：本发明提出一种基于二次迁移学习的虹膜身份验证方法，包括以下步骤：采集眼球虹膜图片，进行预处理后划分为训练集和测试集；将训练集图片输入已进行预训练的深度卷积神经网络中进行迁移学习的分类训练；对训练集图片进行三元组的构造，去除深度卷积神经网络中的全连接层，再输入三元组对深度卷积神经网络进行二次迁移学习训练；将测试集图片输入深度卷积神经网络，输出特征向量后与其对应的身份信息进行验证，若验证成功，深度卷积神经网络完成训练；否则，调整结构参数后对深度卷积神经网络重新进行二次迁移学习训练；将待验证的图片输入完成训练的深度卷积神经网络中，将输出特征向量与存储有人员身份的数据库进行距离匹配，输出身份验证结果。
一种基于二次迁移学习虹膜身份验证方法

[发明专利]基于多列卷积神经网络的单张图像人群计数算法-CN201511030645.0有效
发明人：高盛华;张营营;马毅 -专利权人：上海科技大学
申请日： 2015-12-31 - 公布日： 2019-01-01 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于多列卷积神经网络的单张图像人群计数算法，其中的多列卷积神经网络有三个子网络，每个子网络用到卷积核的大小不同，每个子网络的输入为同一张图像，在经过四次卷积和两次池化后，三个子网络输出的特征图在“通道”维度上链接在一起，再用一个1×1的核卷积得到人群的密度图。
基于卷积神经网络单张图像人群计数算法

[发明专利]呼吸频率测量方法、装置、电子设备及系统-CN202211315767.4在审
发明人：杨昆鹏;史秀华;刘恩锋;王建升 -专利权人：研祥智慧物联科技有限公司
申请日： 2022-10-24 - 公布日： 2023-01-06 - 主分类号： G06F18/2415 文献下载
摘要：本发明提供一种呼吸频率测量方法、装置及电子设备，包括：获取多通道PPG信号；对多通道PPG信号进行至少一次特征提取；其中，特征提取包括：对多通道PPG信号进行两次以上的深度可分离卷积处理，以得到第一卷积数据；将最后一次深度可分离卷积处理之前的一次深度可分离卷积处理结果与第一卷积数据进行加和，以得到目标特征数据；将目标特征数据输入到分类器进行分类，以确定呼吸频率。
呼吸频率测量方法装置电子设备系统