“跨网络”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919361个，建议您升级VIP下载更多相关专利

[发明专利]一种用于电力设备X射线图像质量的判定方法-CN202110017751.4在审
发明人：周静波;刘荣海;代克顺;陈国坤;虞鸿江;郭新良;许宏伟;杨迎春;郑欣 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2021-01-07 - 公布日： 2021-04-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种用于电力设备X射线图像质量的判定方法，通过采集待评分X射线拍摄的图片，基于生成对抗网络和目标检测网络，结合国际标准，对每张X射线拍摄的图片进行打分，得到MOS值；对待评分X射线拍摄的图片进行预处理，将X射线拍摄的图片输入到以VGGNET为骨架的卷积神经网络中，通过此卷积神经网络计算得到待评分X射线拍摄的图片的质量分数；通过MOS值和质量分数，计算得到X射线拍摄的图片的最终分数。本发明提供的方法利用生成对抗网络、目标检测网络和以VGGNET为骨架的卷积神经网络，对不同X射线图像质量进行判定，可以有效解决目前X射线图像质量判定方法存在的问题，提高检测图像的诊断效率及可靠性。
一种用于电力设备射线图像质量判定方法

[发明专利]一种基于YOLOv5的人群密度实时监测方法-CN202011551457.3在审
发明人：段连元 -专利权人：南京泓图人工智能技术研究院有限公司
申请日： 2020-12-24 - 公布日： 2021-04-16 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于YOLOv5的人群密度实时监测方法，具体包括如下步骤，构建网络模型，并加载网络模型；网络模型读取视频文件，读取视频文件中一帧图像，网络模型检测并计算人数并得出人群密度，人群密度是否大于设定值通过在公开的人群数据集上进行训练得出网络模型，该网络通过检测视频流中每一帧图像中人肩膀以上部分，即人头的数量来计算人群数量，以人数比面积来衡量人群的密集程度，经过测试，在YOLOv5网络上检测可以达到实时性要求
一种基于 yolov5 人群密度实时监测方法

[发明专利]网络切片的选择方法、装置、设备及存储介质-CN202011490260.3在审
发明人：雷艺学 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-12-16 - 公布日： 2021-04-16 - 主分类号： H04L12/24 文献下载
摘要：本申请公开了一种网络切片的选择方法、装置、设备及存储介质，属于移动通信领域，所述方法包括：第三方业务实体基于用户的配置信息确定第一信息，向核心网实体发送第一信息；其中，所述第一信息用于在至少两个网络切片中选择用户的第三方业务对应的第一网络切片核心网实体接收第三方业务实体发送的第一信息；所述核心网实体基于所述第一信息在至少两个网络切片中选择用户的第三方业务对应的第一网络切片。本申请可以由第三方业务平台来决定终端访问哪些网络切片，增强了第三方业务平台在控制网络切片时的灵活性。
网络切片选择方法装置设备存储介质

[发明专利]一种基于VGG网络的自动人群计数图像识别方法-CN202110028647.5在审
发明人：周秉锋;郭德闻;冯洁 -专利权人：北京大学
申请日： 2021-01-11 - 公布日： 2021-04-30 - 主分类号： G06K9/00 文献下载
摘要：本发明公布了一种基于VGG网络的自动人群计数图像识别方法，利用VGG网络模型对图像进行嵌入式层归一化处理，基于VGG网络嵌入式层归一化进行人群计数图像识别，所述自动人群计数图像识别方法命名为VadaLN；包括：建立基于VGG网络模型的嵌入式层归一化网络模型VadaLNet；采用尺度重组网络模块SSM用于进行人群计数，使用散度马尔可夫随机场损失函数DivMRF对人群计数任务建模，并通过对抗式上下文损失函数本发明方法对输入的包含人群的图像进行识别和人群计数，过滤与计数任务无关的图像特征，即得到VadaLN值，实现基于VGG网络的自动人群计数图像识别。
一种基于 vgg 网络自动人群计数图像识别方法

[发明专利]一种TBOX无线学习装置及工作方法-CN202011589247.3在审
发明人：于金泳;刘金泽;关勇;董金龙;郑祥滨 -专利权人：航天科技控股集团股份有限公司
申请日： 2020-12-28 - 公布日： 2021-04-30 - 主分类号： H04W4/48 文献下载
摘要：本发明的一种TBOX无线学习装置及工作方法涉及一种车联网设备，目的是为了克服现有手机与TBOX连接始终通过移动通信网络，用户消耗流量大及使用不方便的问题，其中装置包括：处理器，用于检测用户终端设备位于有效通信距离内，发出移动网络切断信号；第二无线传输模块，用于接收移动网络切断信号发送至车辆TBOX；还用于接收移动网络切断反馈信号发送至处理器；车辆TBOX，用于接收移动网路切断信号后，切断与用户终端设备之间的移动网络，并发出移动网络切断反馈信号；处理器，还用于接收到移动网络切断反馈信号后，发出终端连接信号；第一无线传输模块，用于在接收到终端连接信号后，与用户终端设备建立无线通信连接。
一种 tbox 无线学习装置工作方法

[发明专利]一种基于轻量级神经网络的图像退化方法及退化系统-CN202110012919.2在审
发明人：李展;陈彦全;陈曦;汤皓箐;温梓博;钟子意;康志清;甄洛生 -专利权人：暨南大学
申请日： 2021-01-06 - 公布日： 2021-04-30 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于轻量级神经网络的图像退化方法，包括以下步骤：获取数据集并进行预处理，得到输入图像；构建轻量级神经网络图像退化模型；将输入图像输入到轻量级神经网络图像退化模型得到退化图像，计算得到内容损失函数；将输入图像和退化图像通过神经网络模型提取特征值，进而计算感知损失函数；结合得到损失函数，根据损失函数训练该模型，得到训练后的轻量级神经网络图像退化模型；输入待退化的图像得到最终的退化图像；本发明提出了包括残差块的神经网络模型，在避免生成伪造纹理信息的同时减少了网络的参数量，使得生成的图像避免了主观因素的干预，不用人为去预测模型和参数，更加接近真实的图像退化效果。
一种基于轻量级神经网络图像退化方法系统

[发明专利]图像分割网络的训练方法及装置、图像分割方法及装置-CN202011566556.9在审
发明人：王学博;赵松涛 -专利权人：北京达佳互联信息技术有限公司
申请日： 2020-12-25 - 公布日： 2021-04-16 - 主分类号： G06T7/194 文献下载
摘要：本公开关于一种图像分割网络的训练方法及装置、图像分割方法及装置，该训练方法包括：获取多个样本图像，提取多个样本图像的多个特征图像，将特征图像输入关键点检测网络，以获取人体的目标肩膀区域，将特征图像输入人体分割网络，输出人体预测分割图，获取人体预测分割图与人体标准分割图之间的像素误差，根据目标肩膀区域，对像素误差进行加权，以调整人体分割网络的第一损失函数，基于调整后的第一损失函数和关键点检测网络的第二损失函数，得到图像处理模型调整后的损失函数，根据调整后的损失函数，对图像处理模型进行训练，得到目标图像分割网络。本公开基于肩膀区域调整人体分割网络的损失函数，以提升图像分割的准确率。
图像分割网络训练方法装置

[发明专利]图像特征的提取方法、训练方法、装置、电子设备及介质-CN202011506995.0在审
发明人：崔程 -专利权人：北京百度网讯科技有限公司
申请日： 2020-12-18 - 公布日： 2021-03-30 - 主分类号： G06K9/46 文献下载
摘要：训练方法为：根据训练数据集中每个图像所属的类型，将每个图像分别输入初始图像特征提取模型中对应的参考向量生成网络，获取每种类型的图像的参考向量；将训练数据集输入特征图生成网络，获取训练数据集的初始特征图；利用多个解码网络，分别对每种类型的参考向量及初始特征图解码，确定每种类型图像的预测特征；根据每种类型图像的标注特征与预测特征的差异，分别对参考向量生成网络、特征图生成网络及解码网络进行修正，生成目标图像特征提取模型该方法利用多种类型数据同时训练，节省了成本，提高了基础网络的能力。
图像特征提取方法训练装置电子设备介质

[发明专利]一种模型训练方法及装置-CN202011507377.8在审
发明人：周峰暐;黎嘉伟;谢传龙;陈飞;洪蓝青;李震国 -专利权人：华为技术有限公司
申请日： 2020-12-18 - 公布日： 2021-03-30 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种模型训练方法，可以应用于人工智能领域，方法包括：获取第一神经网络模型、第二神经网络模型以及第一训练样本；获取目标增广操作，并根据目标增广操作对第一训练样本进行增广变换，以得到增广样本；根据增广样本，通过第二神经网络模型确定增广样本对应的第一权重；根据增广样本对第一神经网络模型进行训练，以得到第一损失，并将第一损失和第一权重进行融合，以获取第二损失；根据第二损失，对第一神经网络模型进行模型训练，以得到第三神经网络模型本实施例通过训练第二神经网络模型对增广样本给予权重，实现了样本感知的自动数据增广策略，提高了模型训练的精度。
一种模型训练方法装置

[发明专利]一种基于生成对抗网络的胸部X光片超分辨率和去噪方法-CN202011164179.6在审
发明人：金燕;姜智伟 -专利权人：浙江工业大学
申请日： 2020-10-27 - 公布日： 2021-01-22 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于生成对抗网络的胸部X光片超分辨率和去噪方法，包括：(1)收集胸部X光片，进行预处理后构建训练集；(2)构建胸部X光片的生成对抗网络；所述的生成对抗网络包括生成器、判别器、VGG16网络；(3)采用训练集对生成对抗网络进行训练，得到训练完成的生成对抗网络模型；(4)将含有噪声且需要超分辨率的待处理胸部X光片进行预处理后，作为所述生成对抗网络模型的生成器的输入，生成去除噪声并且分辨率加倍的超分辨率图片
一种基于生成对抗网络胸部光片超分辨率方法

[发明专利]一种用于大数据的学习方法-CN202011097798.8在审
发明人：马喜萍 -专利权人：广州春笋科技有限公司
申请日： 2020-10-14 - 公布日： 2021-01-26 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种用于大数据的学习方法，包括：接通用户所在终端与大数据服务器端的连接；连接成功后，验证用户的身份信息；验证完毕后，获取终端发送的网络请求，识别网络请求的网络标识以及解析网络请求的流程信息，流程信息包括请求内容和流程进度表；根据网络标识和流程信息从大数据服务器端获取当前学习数据；将当前学习数据传输到终端上以供用户进行学习。通过利用用户终端发出的网络请求所识别的网络标识和流程信息来获取准确的当前学习数据，相比于现有技术中根据用户请求反馈大量的无用学习数据从而需要用户自己筛选目标内容来说，大大的节省了时间并且提高了学习效率，
一种用于数据学习方法

[发明专利]一种基于动态滤波器网络的单目视频结构和运动预测方法-CN202011100484.9在审
发明人：方嘉仪;王帅;李帅;高艳博;张翔 -专利权人：电子科技大学
申请日： 2020-10-15 - 公布日： 2021-01-26 - 主分类号： G06T7/207 文献下载
摘要：本发明公开了一种基于动态滤波器网络的单目视频结构和运动预测方法，包括以下步骤：步骤1：获取深度估计数据集并进行预处理；步骤2：构建单目视频结构和运动估计系统，包括深度估计网络、相机姿态估计网络和可解释性网络以及动态滤波器生成网络；步骤3：将步骤1得到的数据集输入到步骤2构建的神经网络中，并对其进行联合训练；步骤4：采用步骤3训练得到的分别进行神经网络进行深度值的预测。
一种基于动态滤波器网络目视结构运动预测方法

[发明专利]一种选择网络切片的方法及装置-CN202010993934.5在审
发明人：倪慧;余芳;李岩;乔晓强 -专利权人：华为技术有限公司
申请日： 2016-08-22 - 公布日： 2021-01-29 - 主分类号： H04W48/18 文献下载
摘要：一种选择网络切片的方法及装置，用于解决在漫游场景下，UE请求的服务需要由VPLMN与HPLMN共同选择合适的网络切片实例为UE提供服务的问题。包括VPLMN的第一SSF设备接收第一业务请求消息；第一SSF设备根据第一业务请求消息获取UE的漫游信息；第一SSF设备根据UE的漫游信息在VPLMN中为UE选择第一网络切片实例；第一SSF设备向HPLMN的第二SSF设备发送网络切片选择请求，请求第二SSF设备为UE在HPLMN中选择第二网络切片实例。第一SSF设备为UE在VPLMN中选择第一网络切片实例与第二SSF设备为UE在HPLMN中选择第二网络切片实例，共同为UE提供服务，提高了用户的使用体验。
一种选择网络切片方法装置

[发明专利]一种车牌识别系统-CN202011147535.3在审
发明人：刘建虢;尹晓雪 -专利权人：西安科锐盛创新科技有限公司
申请日： 2020-10-23 - 公布日： 2021-02-02 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了一种车牌识别系统，包括：图像采集模块，用于采集目标车牌图像；图像识别模块，用于对接收到的目标车牌图像，利用车牌识别网络的主干网络对目标车牌图像进行特征提取，得到x个特征图；x个特征图的尺度依次增大；x为大于等于4的自然数；利用车牌识别网络的FPN网络将x个特征图进行特征融合，得到各尺度的特征图对应的预测结果；基于预测结果得到目标车牌图像的检测结果，检测结果包括目标车牌的车牌字符；发送模块，用于发送所述检测结果；其中，车牌识别网络是在YOLOv3网络的基础上，采用层剪枝和通道剪枝，以及知识蒸馏引导网络恢复后形成的。
一种车牌识别系统

[发明专利]一种基于Mesh网络的边缘计算网络监控系统及其方法和应用-CN202011224481.6在审
发明人：宁舒雅;宋鹏飞 -专利权人：陕西科技大学
申请日： 2020-11-05 - 公布日： 2021-01-29 - 主分类号： H04W4/38 文献下载
摘要：本发明属于设备监控技术领域，具体公开了一种基于Mesh网络的边缘计算网络监控系统及其方法，包括数据采集终端、中继路由设备和监控系统管理主机；数据采集终端包括温度传感器、摄像头、Mesh网络通信模块、边缘计算处理器和电源模块；温度传感器和摄像头均与边缘计算处理器连接；边缘计算处理器和Mesh网络通信模块连接；数据采集终端通过Mesh网络与中继网络设备通讯，中继路由设备通过外部网络与监控系统管理主机通讯；监控系统管理主机，用于接收数据采集终端传输的温度分析信息及传输的视频图像信号
一种基于 mesh 网络边缘计算监控系统及其方法应用