“深度预测”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586751个，建议您升级VIP下载更多相关专利

[发明专利]深度图预测模型生成方法和装置、深度图预测方法和装置-CN202010218038.1在审
发明人：顾晓东;王明远;杨永林 -专利权人：贝壳技术有限公司
申请日： 2020-03-25 - 公布日： 2020-07-17 - 主分类号： G06T7/593 文献下载
摘要：本公开实施例公开了一种深度图预测模型生成方法和装置、深度图预测方法和装置，其中，该方法包括：获取预设数量个训练样本图像对集合；对于预设数量个训练样本图像对集合中的每个训练样本图像对集合，将该训练样本图像对集合中的训练样本图像对包括的全景图作为初始模型的输入，将与输入的全景图对应的深度图作为初始模型的期望输出，训练初始模型，得到该训练样本图像对集合对应的深度图预测模型。本公开实施例可以使用这些深度图预测模型对各种纬度跨度的全景图进行深度图预测，提高模型的泛化能力以及预测的准确性。
深度预测模型生成方法装置

[发明专利]深度学习增强模型精度的训练方法、目标检测方法及系统-CN202111260838.0在审
发明人：陆飞;雷秀洋;赵国荣 -专利权人：上海品奇科技有限公司
申请日： 2021-10-28 - 公布日： 2023-05-02 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种深度学习增强模型精度的训练方法，包括：通过深度学习模型对样本数据进行处理，得到分别代表预测目标不同信息的预测结果A、预测结果B、预测结果C以及预测结果D；根据预测结果计算获取第一损失函数值第二损失函数值Liou、第三损失函数值Lobj和第四损失函数值Lcls确定出深度学习模型的损失函数值；基于所述深度学习模型的损失函数值，利用反向传播算法对所述深度学习模型的权重参数进行调整，直至所述损失函数值满足预设值，得到训练完成的深度学习模型。
深度学习增强模型精度训练方法目标检测系统

[发明专利]一种视点合成预测中的深度视差矢量的确定方法和装置-CN201310493849.2有效
发明人：虞露;张熠辰 -专利权人：浙江大学
申请日： 2013-10-18 - 公布日： 2019-08-16 - 主分类号： H04N19/597 文献下载
摘要：本发明公开了一种视点合成预测中的深度视差矢量的确定方法和装置，其中，该方法包括：将当前纹理图像块的相邻纹理图像块对应的指向参考视点深度图像的预测视差矢量加上视差矢量差值或视差矢量差值索引值所对应的视差矢量差值得到指向参考视点深度图像的深度视差矢量本发明解决了现有技术中在生成视点合成预测图像的过程中所使用的深度图像块仅能用有限个来自于当前纹理图像块的相邻纹理图像块的预测视差矢量来定位的问题，利用视差矢量差值对预测视差矢量进行修正，从而获取一个能够获得更佳的视点合成质量的深度图像块，从而提高视点合成技术的预测准确度，提高编码效率。
视差矢量纹理图像视点合成预测参考视点深度图像方法和装置预测深度图像视点合成指向编码效率准确度索引图像修正

[发明专利]一种基于深度融合的视频显著性检测方法-CN201910968451.7在审
发明人：周晓飞;温洪发;张继勇;颜成钢 -专利权人：杭州电子科技大学
申请日： 2019-10-12 - 公布日： 2020-03-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度融合的视频显著性检测方法，本发明方法包括深度特征提取网络、深度特征融合网络和显著性预测网络。模型的输入是当前帧图像和光流图像。首先，深度特征提取网络提取多级深度特征，产生深度空间特征和深度时间特征。然后，采用注意力模块分别强化学习两个分支中每级产生的深度特征，深度特征融合网络分级方式融合多级深度特征。将融合得到的深度特征与边界信息相结合并显著性预测网络进行预测，产生当前帧的最终显著性图。本发明方法提供的网络模型可以充分有效地利用空间信息和时间信息来实现对视频中显著性目标的预测。
一种基于深度融合视频显著检测方法

[发明专利]深度学习模型预测因素解释方法及其在土壤含水量预测中的应用-CN202111152908.0在审
发明人：黄新;张楠 -专利权人：天津师范大学
申请日： 2021-09-29 - 公布日： 2021-12-31 - 主分类号： G01N33/24 文献下载
摘要：本发明公开了一种深度学习模型预测因素解释方法及其在土壤含水量预测中的应用。步骤1：对不同预测因素以及目标结果的时间序列数据进行标准化处理；步骤2：基于步骤1中标准化处理后的预测因素以及目标结果数据训练得到深度学习模型，用于预测输出结果的动态变化；步骤3：采用Shapley值方法，计算不同预测因素对于上述构建的深度学习模型的输出结果的贡献度；步骤4：根据步骤三计算出来的各预测因素的贡献度大小，确定深度学习模型中重要的预测因素，去除不重要的影响因素，对不同预测因素数据进行精简。
深度学习模型预测因素解释方法及其土壤含水量中的应用

[发明专利]一种3D-HEVC深度视频帧内快速编码方法-CN201510873417.3在审
发明人：陈芬;郭明松;彭宗举;蒋刚毅;郁梅 -专利权人：宁波大学
申请日： 2015-12-02 - 公布日： 2016-03-23 - 主分类号： H04N19/597 文献下载
摘要：本发明公开了一种3D-HEVC深度视频帧内快速编码方法，其在编码之前先对深度视频帧进行了平滑处理即预处理，降低了空域复杂度，提高了编码性能及虚拟视点质量；由于预处理后的深度视频帧更加平滑，更多的最大编码单元的最大划分深度集中在0和1，因此使用BP神经网络主动学习并预测最大编码单元的最大划分深度，再通过对应的彩色视频帧中的最大编码单元的最大划分深度及深度视频帧中的编码单元的边缘纹理信息赋值修正预测的最大划分深度，提前终止编码单元的划分，同时根据每层的编码单元的预测模式的统计结果及预测的最大编码单元的最大划分深度提前决定每层编码单元的预测模式的执行范围，最终在提高编码率失真性能的同时，大幅降低了编码复杂度。
一种 hevc 深度视频快速编码方法

[发明专利]一种图像显示方式、装置、存储介质及电子设备-CN202211253083.6在审
发明人：楼珊珊;虞跃洋 -专利权人：东软医疗系统股份有限公司
申请日： 2022-10-13 - 公布日： 2023-01-17 - 主分类号： A61B34/10 文献下载
摘要：本申请公开了一种图像显示方式、装置、存储介质及电子设备，其中方法包括：获取目标对象的实时断层图像；基于预设的断层图像与深度图像的对应关系，获取与所述实时断层图像对应的预测深度图像；获取内窥设备采集的实时内窥图像对应的当前深度图像；基于所述预测深度图像和所述当前深度图像，获取所述实时断层图像和所述实时内窥图像的实时融合图像，并进行显示。本申请通过利用预设的断层图像与深度图像的对应关系能够对实时断层图像进行快速的预测，从而快速的获得相应的预测深度图像，由此后续能够基于预测深度图像与当前深度图进行实时融合匹配，能够实时、精准地实现二维图像
一种图像显示方式装置存储介质电子设备

[发明专利]一种用于预测沥青路面车辙深度的智能系统及方法-CN202210053846.6有效
发明人：王林;韩文扬;周勇;韦金城;马士杰;吕思忠 -专利权人：山东省交通科学研究院;山东高速集团有限公司;山东高速股份有限公司
申请日： 2022-01-18 - 公布日： 2022-04-19 - 主分类号： G01B21/18 文献下载
摘要：本发明提供了一种用于预测沥青路面车辙深度的智能系统，涉及道路工程技术领域，包括交通轴载测量装置、路面结构温度测量装置、路面车辙深度测量装置和路面数据处理装置。本发明还提供了一种预测沥青路面车辙深度的方法，制备实验试样，利用单轴压缩动态模量试验建立沥青混合料动态模量计算模型，确定各结构层的沥青混合料动态模量，再利用车辙试验确定各结构层沥青混合料的车辙深度，通过对沥青层内部分层计算各层的层顶竖向压应力，建立路面结构车辙深度计算模型，获取观测期内的车辙深度并与实测值标定后，建立路面结构车辙深度预测模型，预测路面结构的车辙深度。本发明实现了对路面结构车辙深度的预测，为路面结构的设计及养护提供了依据。
一种用于预测沥青路面车辙深度智能系统方法

[发明专利]一种基于深度遗传信息特征的药物敏感性预测方法及装置-CN202010490247.1有效
发明人：王红强;时明 -专利权人：中国科学院合肥物质科学研究院
申请日： 2020-06-02 - 公布日： 2023-07-25 - 主分类号： G16C20/30 文献下载
摘要：本发明提供一种基于深度遗传信息特征的药物敏感性预测方法，包括：获取训练样本数据集；构建基因遗传信号转导深度神经网络；构建深度遗传信息特征编码器；对构建的基因遗传信号转导深度神经网络和深度遗传信息特征编码器进行训练；获取待测样本的基因遗传数据；提取待测样本的深度遗传信息特征；获得待测样本的抗肿瘤药物敏感性预测值。本发明还提供一种基于深度遗传信息特征的药物敏感性预测装置。本发明通过构建基因遗传信号转导深度神经网络，有助于提取样本的深度遗传信息特征，实现了基因水平上的药效预测，从而提高了样本的抗肿瘤药物敏感性的预测准确性。
一种基于深度遗传信息特征药物敏感性预测方法装置

[发明专利]一种基于人工智能的麻醉深度监测方法-CN202111355466.X在审
发明人：谢海辉;朱小冬;彭山攀 -专利权人：东莞市人民医院
申请日： 2021-11-16 - 公布日： 2022-02-15 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及人工智能技术领域，具体涉及一种基于人工智能的麻醉深度监测方法，该方法将实时电极信号序列输入麻醉深度预测网络得到预测麻醉深度指数。麻醉深度预测网络的训练集为扩增后的历史电极信号序列，损失函数为以质量系数为权重的均方差损失函数。本发明将实时电极信号序列输入麻醉深度预测网络得到预测麻醉深度指数，达到了对麻醉深度指数进行预测的目的。
一种基于人工智能麻醉深度监测方法

[发明专利]基于CAGA与SVM的近红外光谱的烧伤深度预测系统-CN201611072092.X有效
发明人：王品;吴烨;李勇明;尹美芳;吴军 -专利权人：吴军
申请日： 2016-11-29 - 公布日： 2020-04-24 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了基于CAGA与SVM的近红外光谱的烧伤深度预测系统：采集待预测样本中的近红外光谱信号并进行预处理和特征提取；预测装置利用CAGA‑SVM集成检测模型对待预测样本的烧伤深度进行预测；模型建立器采集烧伤训练样本，采用支持向量机建立近红外光谱信号与烧伤深度的回归模型；并采用链式智能体遗传算法对回归模型的核函数参数和特征子集进行全局优化，得到CAGA‑SVM集成检测模型。该系统构建了一个烧伤深度反演集成模型，精确的建立了近红外光谱信号和皮肤烧伤深度的复杂关系，实现了皮肤烧伤深度的准确定量检测。实验结果显示本发明算法准确率高、稳定性好、泛化能力强，能精确预测皮肤烧伤深度。
基于 caga svm 红外光谱烧伤深度预测系统

[发明专利]基于扰动校正的神经网络深度预测方法-CN202111338281.8有效
发明人：徐诚诚;周东红;明君;夏同星;王建立;彭刚;樊建华;谷志猛;王腾;严皓 -专利权人：中国海洋石油集团有限公司;中海石油（中国）有限公司天津分公司
申请日： 2021-11-12 - 公布日： 2022-08-30 - 主分类号： G06F30/27 文献下载
摘要：一种基于扰动校正的神经网络深度预测方法，采用如下步骤：一：对构造压实及异常体因素分析；二：对目标工区内时深关系分析；三：建立构造约束神经网络模型并进行深度预测；四：容错率分析；五：构建伪井时深数据；六：基于五对三优化并进行初步深度预测；七：对浅层速度异常求取均方根振幅；八：计算工区内已钻井对应目的层位的实际深度扰动量，且训练扰动量校正神经网络模型；九：对深度扰动量的预测及扰动校正，最终得到高精度的深度预测结果本发明不仅能在目标工区内构建伪井数据，对时—深关系进行扩充；而且，提高了构造趋势的稳定性，优化构造约束网络模型，实现了高精度神经网络深度预测；同时，还能绘制研究工区内的平面误差网格。
基于扰动校正神经网络深度预测方法

[发明专利]一种目标对象定位方法、装置、设备及存储介质-CN202110986953.X在审
发明人：郑义;杨庆雄;韩旭 -专利权人：广州文远知行科技有限公司
申请日： 2021-08-26 - 公布日： 2021-11-12 - 主分类号： G06T7/70 文献下载
摘要：在从环境图像中检测出目标对象之后，计算目标对象在相机坐标系中的第一深度预测值，接着，修正第一深度预测值得到第二深度预测值，然后，基于目标对象的中心点和第二深度预测值计算目标对象在相机坐标系中的坐标。通过对目标对象在相机坐标中的深度值进行修正，并基于修正后的深度值计算目标对象在相机坐标系中的坐标，提高了目标对象的位置精度。
一种目标对象定位方法装置设备存储介质

[发明专利]基于深度学习的时间-压力点胶系统胶体余量预测方法-CN202210418841.9有效
发明人：李传江;高斌;王晨明;朱燕飞;顾亚 -专利权人：上海师范大学
申请日： 2022-04-20 - 公布日： 2023-04-28 - 主分类号： B05C11/10 文献下载
摘要：本发明涉及一种基于深度学习的时间‑压力点胶系统胶体余量预测方法，该方法包括：构建用于时间‑压力点胶系统储胶管胶体余量预测的深度学习模型，所述的深度学习模型的输入包括点胶时电磁阀出口处的响应气压序列数据和当前气源气压数据，输出为胶体余量预测值；采集训练深度学习模型所需的数据集，训练深度学习模型；利用训练的深度学习模型进行胶体余量。与现有技术相比，本发明具有步骤简捷，预测准确度高，易于工程中应用推广等优点。
基于深度学习时间压力系统胶体余量预测方法

[发明专利]一种采用LSTM-NARX混合模型的水下潮流预测方法-CN201910549447.7有效
发明人：张大海;冯博;钱鹏;司玉林 -专利权人：浙江大学
申请日： 2019-06-24 - 公布日： 2022-01-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种采用LSTM‑NARX混合模型的水下潮流预测方法。将水下潮流区域等间隔设置多个深度位置，每一水下深度位置设置声学多普勒流速剖面仪，采集每一水下深度位置的潮流值，潮流值包括潮流速度大小和方向，对潮流值数据分别用两种不同的模型进行预测处理，获得两个方面的预测分量，再将两个方面的预测分量相加作为最终的潮流值预测结果。本发明结合了新型的神经网络预测算法，首次提出了结合不同深度潮流特点建模，对短期潮流值进行了精确预测，能有效地提高潮流预测精度。
一种采用 lstm narx 混合模型水下潮流预测方法

首页
«上一页
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条