专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果3260212个,建议您升级VIP下载更多相关专利
  • [实用新型]一种太阳能激光标线标志仪-CN201520605125.7有效
  • 马培琴 - 马培琴
  • 2015-08-13 - 2015-12-16 - G09F13/22
  • 本实用新型采用的技术方案为:一种太阳能激光标线标志仪,包括激光生成、投影图像生成和太阳能板。所述太阳能板设在激光生成上方通过支架与之相连,并且为激光生成提供电力。所述投影图像生成位于所述激光生成光束出射口前方,所述激光生成生成的激光光束射入到投影图像生成中,处理后最终投射到路面或者空中。本实用新型提供一种安全、节能、识别度高的标线标志仪。
  • 一种太阳能激光标线标志
  • [发明专利]一种旋向可调的多工况涡旋动能碎浆设备-CN201510380417.X有效
  • 安延涛;赵东;杨玉娥;刘鲁宁 - 济南大学
  • 2015-07-02 - 2015-09-23 - D21B1/34
  • 本发明提供了一种旋向可调的多工况涡旋动能碎浆设备,主要包括工况调节装置、气体输送装置、涡旋生成装置和液浆生成装置。其特点是通过4个2种类型的涡旋生成、4个内管孔的不同配合生成3种工况。本发明逆时针涡旋生成A和内管孔A、逆时针涡旋生成B和内管孔D的接通配合生成双逆时针涡旋工况;通过顺时针涡旋生成A、顺时针涡旋生成B和内管孔C的分别接通配合生成双顺时针涡旋工况;通过顺时针涡旋生成A、逆时针涡旋生成A、顺时针涡旋生成B和内管孔B、逆时针涡旋生成B和内管孔C的分别接通配合生成为双顺、双逆时针对冲涡旋工况;通过8个周向均布的液浆筒盖支撑梁增强整个液浆筒盖的结构强度。
  • 一种可调工况涡旋动能设备
  • [发明专利]一种基于文本‑图像生成对抗网络模型的可变形卷积方法-CN201711124688.4在审
  • 周智恒;李立军;黄俊楚 - 华南理工大学
  • 2017-11-14 - 2018-04-20 - G06F17/15
  • 本发明公开了一种基于文本‑图像生成对抗网络模型的可变形卷积方法,属于深度学习神经网络领域,包括以下步骤S1、构造文本‑图像生成对抗网络模型;S2、利用深度卷积神经网络充当生成、判别器的功能;S3、对文本进行编码之后与随机噪声结合,输入至生成中;S4、在文本‑图像生成对抗网络模型中利用可变形卷积核对图像进行卷积操作;S5、将可变形卷积操作得到的损失函数输入生成进行后续训练。本方法构建的基于可变形卷积的文本‑图像生成对抗网络模型,改变了判别器、生成接收图片后的卷积方式,让判别器、生成能够以更大的范围对图像的特征进行学习,从而能够提高整个网络训练模型的鲁棒性。
  • 一种基于文本图像生成对抗网络模型变形卷积方法
  • [发明专利]一种基于生成对抗神经网络的梁桥分跨智能设计方法-CN202211596994.9在审
  • 熊文;张旭阳;朱彦洁 - 东南大学
  • 2022-12-12 - 2023-02-28 - G06F30/13
  • 本发明提出一种基于生成对抗神经网络的梁桥分跨智能设计方法,该方法包括:(1)基于参数化建模的自动建模绘制器;(2)桥型选择网络:网络接受地质草图以及由预定跨径等设计信息构成的条件向量,输出适合当前地质的若干个梁桥桥型选择方案,(3)由生成与判别器构成的生成对抗网络:生成包含地质草图的特征提取网络,条件向量的构建网络,桥涵设计状况的特征融合网络和生成绘制网络,生成接收地质草图特征以及由设计桥型等构成的条件向量作为输入,将条件向量和地质草图特征融合,基于融合图像生成分跨设计图。判别器判断梁桥分跨设计图是源于自动设计还是真实设计,在生成与判别器的对抗训练中实现因地制宜的自动分跨设计。
  • 一种基于生成对抗神经网络梁桥分跨智能设计方法
  • [发明专利]一种基于Transformer的相机域适应行人重识别方法-CN202111463655.9在审
  • 路小波;冉智丹 - 东南大学
  • 2021-12-02 - 2022-03-08 - G06V40/10
  • 本发明公开了一种基于Transformer的相机域适应行人重识别方法,包括:用交叉补丁编码器将输入图像编码为向量序列;将向量序列输入到Transformer编码器中学习图像特征,利用图像特征构造身份信息损失来优化网络;把交叉补丁编码器和Transformer编码器共同视为一个特征生成,将生成生成特征输入到鉴别器中判断相机类别,在此基础上构造相机分类损失和相机域适应损失来分别优化鉴别器和生成;用生成提取行人图像的特征向量,计算待查询图像的特征向量与每张图像的特征向量之间的欧式距离,按照距离由小到大进行排序,选择排序最靠前的图像的行人身份作为识别结果。
  • 一种基于transformer相机适应行人识别方法
  • [实用新型]木鱼石保健水生成-CN200820078161.2无效
  • 刘淑芳 - 刘淑芳
  • 2008-08-01 - 2009-06-03 - C02F1/68
  • 本实用新型属于保健用品技术领域,公开了一种木鱼石保健水生成。其主要技术特征为:包括生成主体,所述的生成主体设置有入水口和出水口,生成主体内部设置有木鱼石过滤层。本实用新型木鱼石保健水生成使用时,将其安装在纯净水生产线灌装设备前。由于木鱼石是泰山特有的石头,科学证明用水浸泡能溢出矿物质元素和弱碱性水,所以将生产好的纯净水在灌装前先通入保健水生成,使得纯净水浸泡木鱼石过滤层或木鱼石内胆后,纯净水便富含丰富的矿物质元素,并且pH值达到
  • 木鱼石保健水生成器
  • [发明专利]一种基于双生成与通道注意力机制的视频异常检测方法-CN202310622716.4在审
  • 吉根林;戚小莎;赵斌;谈超 - 南京师范大学
  • 2023-05-30 - 2023-08-29 - G06V20/40
  • 本发明公开了一种基于双生成与通道注意力机制的视频异常检测方法,包括如下步骤:拆分视频集,得到多个帧级别的序列,划分为正常训练视频帧和测试视频帧;利用正常训练视频帧和鉴别器对噪声生成进行训练,通过训练好的噪声生成生成伪异常帧;利用伪异常帧和正常训练视频帧训练重构生成,得到训练好的重构生成;将测试视频帧输入到训练好的重构生成中,得到重构帧,计算重构帧与真实帧的重构误差,根据重构误差对视频帧进行异常分类。本发明提出了以双生成和通道注意力机制的生成对抗网络为核心的视频异常事件检测方法,通过噪声生成和重构生成,同时在生成中引入二阶通道注意力模块,提升了视频异常事件检测的检测准确率。
  • 一种基于双生成器通道注意力机制视频异常检测方法
  • [发明专利]数据输入设备及其方法-CN200580026173.X无效
  • 金成洙 - 金成洙;林成昊
  • 2005-07-30 - 2007-07-04 - H04M1/23
  • 该数据输入设备包括:各自具有两种操作状态的一个或多个字符输入按钮和字符指定按钮、分别对应于多个按钮并且在按压按钮时生成输入信号的输入信号生成、以及用于基于来自输入信号生成的输入信号生成输入数据信息的输入数据信息生成,它的特征是,所述输入数据信息生成包括存储器,用于存储示出每个按钮与每个相应的输入信号生成之间的连接关系的按钮生成连接列表、示出每个字符输入按钮与分配给每个字符输入按钮的字符之间的关系的字符分配列表、以及示出每个字符指定按钮与由每个字符指定按钮指定为输入状态的字符之间的关系的字符指定按钮列表,且所述输入数据信息生成根据生成顺序将从输入信号生成生成的输入信号每两个地进行分组,并基于存储器中所存储的三个列表将分配给对应于每个输入信号组中一个信号的字符输入按钮的字符之中的由对应于每个输入信号组的另一个信号的字符指定按钮指定的一个字符确定为输入字符
  • 数据输入设备及其方法
  • [发明专利]图像生成方法、装置、电子设备及存储介质-CN202310264679.4在审
  • 刘颖璐;张紫程;姚霆;梅涛 - 京东科技信息技术有限公司
  • 2023-03-14 - 2023-06-30 - G06T11/00
  • 本公开提供一种图像生成方法、装置、电子设备及存储介质,其中,所述图像生成方法包括:获取待处理数据信息,其中,所述待处理数据信息包括待处理噪声信息或待处理图像信息;将所述待处理数据信息输入至目标生成模型,得到所述目标生成模型输出所述待处理数据信息的迁移图像,其中,所述迁移图像包括目标域图像中的目标特征,所述目标特征包括目标域图像的风格特征和实体特征;其中,所述目标生成模型包括生成和辅助网络层,所述生成为预先训练好的源生成模型中的生成,所述目标生成模型通过训练得到。通过本公开实现了对目标域图像中实体特征和风格特征的有效迁移。
  • 图像生成方法装置电子设备存储介质

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top