“分类网络”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1101099个，建议您升级VIP下载更多相关专利

[发明专利]基于CAS-Net的OCT图像视网膜脱离和劈裂自动分割方法-CN202110992437.8有效
发明人：石霏;陈新建;杨长青;朱伟芳 -专利权人：苏州大学
申请日： 2021-08-27 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于CAS‑Net的OCT图像视网膜脱离和劈裂自动分割方法，包括以下步骤：S1、获取OCT图像，将OCT图像分为训练集、验证集和测试集；S2、构建分类辅助分割网络用于OCT图像的分类；分类辅助分割网络包括分类网络和分割网络，分割网络包括全维度特征融合模块和特征融合解码模块，分类网络用于全局平均池化和卷积，并输出OCT图像中多个类别的存在概率；S3、构建整个分类辅助分割网络的损失函数，利用训练集和验证集对分类辅助分割网络进行训练；S4、利用测试集对训练后的分类辅助分割网络进行测试，实现对OCT图像的分割。
基于 cas net oct 图像视网膜脱离劈裂自动分割方法

[发明专利]图像分类方法、计算机设备和存储介质-CN201910440349.X有效
发明人：李青峰;石峰;周翔 -专利权人：上海联影智能医疗科技有限公司
申请日： 2019-05-24 - 公布日： 2021-11-23 - 主分类号： G06K9/62 文献下载
摘要：本申请提供的一种图像分类方法、计算机设备和存储介质，通过将获取到的图像的特征值输入至分类网络中，对特征值进行分类，得到第一分类结果和第二分类结果。其中的分类网络是分别根据第一分类结果的第一分类标签和第二分类结果的第二分类标签共同训练得到的。由于第一分类标签和第一结果对应，以及第二分类标签和第二结果对应，且第一分类结果与第二分类结果具有相关性，因此，分别以不同的分类标签对应交替训练分类网络，会使训练后的分类网络可以考虑到第一结果和第二结果的相关性，极大的提高了本申请提供的分类网络的分类准确性。
图像分类方法计算机设备存储介质

[发明专利]网络边缘系统的业务感知方法及装置-CN202011089568.7在审
发明人：邢宁哲;刘川;金燊;刘世栋;郭少勇;纪雨彤;王颖;喻鹏;宋伟;马睿;张素香;申昉;赵阳;张宁;段程煜;杨纯;田宇;闫磊;张阳洋;张东辉;张佳乐;冯禹清;陈雅琳;赵烨 -专利权人：国网冀北电力有限公司信息通信分公司;全球能源互联网研究院有限公司;北京邮电大学;国家电网有限公司信息通信分公司;国家电网有限公司
申请日： 2020-10-13 - 公布日： 2021-02-26 - 主分类号： H04L12/851 文献下载
摘要：本发明提供了一种网络边缘系统的业务感知方法及装置，该方法包括：获取网络边缘系统的业务的样本训练集，所述网络边缘系统包括多个网络单元；基于所述样本训练集，进行回声状态网络ESN训练，生成训练好的ESN分类器；基于训练好的ESN分类器的参数信息，对每个网络单元的ESN分类器进行配置；针对每个网络单元，提取该网络单元中每个业务流的特征参数，将每个业务流的特征参数输入该网络单元的ESN分类器，获得每个业务流的业务分类识别结果；针对每个网络单元，根据该网络单元中每个业务流的业务分类识别结果，进行业务流的优化调度。本发明可以感知网络边缘业务，效果好。
网络边缘系统业务感知方法装置

[发明专利]网络安全报警方法及装置-CN201911338777.8有效
发明人：徐金阳;刘冬岩;郑瑞刚 -专利权人：中国移动通信集团辽宁有限公司;中国移动通信集团有限公司
申请日： 2019-12-23 - 公布日： 2023-07-18 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种网络安全报警方法及装置，该方法包括：从各个网络安全防护设备采集各个网络报警日志；计算各个网络报警日志之间的相似度，根据相似度对各个网络报警日志进行分类，得到各个日志分类集合；针对于任一日志分类集合，对该日志分类集合所包含的网络报警日志进行聚类分析，得到攻击特征，确定与攻击特征匹配的攻击事件；根据各个日志分类集合对应的攻击事件的安全等级、各个日志分类集合的平均相似度以及网络报警日志的总数量，确定网络安全态势；若网络安全态势大于预定值，进行安全报警。该方式通过网络报警数据评估网络态势，提升大数据态势感知中的自适应，同时也能够提升网络安全报警的准确性。
网络安全报警方法装置

[发明专利]一种基于卷积相似度的水声环境参数分类方法-CN202110983334.5有效
发明人：王红滨;王鹏鸣;张政超;何鸣;王勇;周连科;王念滨;孙彧 -专利权人：哈尔滨工程大学
申请日： 2021-08-25 - 公布日： 2023-06-30 - 主分类号： G06F30/27 文献下载
摘要：一种基于卷积相似度的水声环境参数分类方法，涉及水声环境参数反演领域。本发明是为了解决目前水声环境参数分类方法无法在保证网络性能的同时降低网络训练时间与网络参数规模，进而导致水声环境参数分类方法不适合低算力、低容量设备的问题。本发明包括：将待分类的水声信息矩阵输入到训练好的水声环境参数分类网络中获得分类好的水声环境参数；训练好的水声环境参数分类网络包括：利用水声信息矩阵训练超网络获取训练好的超网络和每个卷积输出的水声特征矩阵；对特征矩阵进行降维、拼接、利用高斯核卷积操作获得一维特征向量；获取特征矩阵相似度系数；对训练好的超网络裁剪，获取训练好的水声环境参数分类网络。本发明用于水声环境参数分类。
一种基于卷积相似环境参数分类方法

[发明专利]一种基于扰动重构学习网络的车辆分类方法、设备及介质-CN202310417580.3在审
发明人：戎亚茹;肖雪;胡立军;商广勇 -专利权人：浪潮云洲（山东）工业互联网有限公司
申请日： 2023-04-13 - 公布日： 2023-07-07 - 主分类号： G06V10/764 文献下载
摘要：本申请公开了一种基于扰动重构学习网络的车辆分类方法、设备及介质。方法包括：构建待训练扰动重构学习网络；其中，待训练扰动重构学习网络包括：待训练分类网络、鉴别网络和对齐网络；基于扰动机制对样本图像进行预处理，获得扰动图像；将输入图像输入到待训练扰动重构学习网络进行端到端训练，直至获得收敛的分类网络；其中，输入图像包括：扰动图像、样本图像；在需要对待识别图像进行细粒度分类的情况，将待识别图像输入到分类网络，以获得分类结果。本申请通过上述方法实现了在不增加额外的标注成本和计算开销的情况下，能够针对现实场景中存在的车辆进行精准的车辆细粒度分类。
一种基于扰动学习网络车辆分类方法设备介质

[发明专利]一种基于深度学习图像增强的白细胞识别方法-CN202310305575.3在审
发明人：黄汐威;郑思凯;孙玲玲 -专利权人：杭州电子科技大学
申请日： 2023-03-27 - 公布日： 2023-07-28 - 主分类号： G06V20/69 文献下载
摘要：该分类方法如下：步骤1：构建带有细胞类别标签的白细胞数据集；步骤2：设计一个由图像增强网络和图像分类网络组成的白细胞识别网络，图像增强网络由图像分类网络驱动；步骤3：对步骤2中的图像增强网络进行预训练操作；对图像分类网络进行迁移学习；步骤4：模型训练；步骤5：利用训练后的白细胞识别网络对被测白细胞图像的类型进行识别。本发明对无标记白细胞进行分类，避免了染色的复杂操作及染色试剂对白细胞的影响。同时，本发明自主构建的网络，使图像增强技术有利于分类性能的提高，从而达到更高的分类准确率。
一种基于深度学习图像增强白细胞识别方法

[发明专利]基于统计特征及时空特征融合的加密流量分类方法及系统-CN202310606771.4在审
发明人：刘磊;弭喜临;马永强;张久文;苏伟 -专利权人：读者出版集团有限公司;兰州大学
申请日： 2023-05-26 - 公布日： 2023-09-05 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了一种基于统计特征及时空特征融合的加密流量分类方法及系统，本发明属于加密流量分类领域，包括：获取加密流量数据集，对所述加密流量数据集进行预处理，得到加密流量数据灰度图；构建加密流量分类网络，所述加密流量分类网络包括：自编码器网络，BiLSTM+CNN1D级联网络、无池化层的ResNet网络和全连接网络；基于所述BiLSTM+CNN1D级联网络和无池化层的ResNet网络，提取加密流量数据灰度图中的时空特征；将灰度图输入至加密流量分类网络，输出加密流量分类结果。本发明解决了针对不同的任务需要提取不同特征的缺点，本发明考虑了原始流量数据的统计特征，还提取了加密流量数据的时空特征进行分类。
基于统计特征时空融合加密流量分类方法系统

[发明专利]网络内容自动推荐方法、装置和系统-CN201310309049.0有效
发明人：吴先超;陈龙 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2013-07-22 - 公布日： 2013-11-20 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种网络内容自动推荐方法、装置和系统。所述网络内容自动推荐方法包括：接收网络文本数据，从接收的网络文本数据中提取关键词；利用所述关键词按照增量学习的方式训练关键词分类器；接收特定用户的网络文本数据，根据所述关键词分类器对从所述特定用户的网络文本数据中提取的关键词的分类结果对所述特定用户进行分类；以及根据对所述特定用户的分类，并按照预先定义的网络内容的分类向特定用户推荐特定用户感兴趣的网络内容。所述网络内容自动推荐方法、装置和系统能够根据用户个人兴趣的变化实时改变站点推荐的类别，并且省去了分类器训练过程中的大量人工数据标注。
网络内容自动推荐方法装置系统

[发明专利]一种知识与数据协同驱动的不平衡临床数据分类系统-CN202310740799.7有效
发明人：李劲松;池胜强;李雪瑶;王宇清;周天舒 -专利权人：之江实验室
申请日： 2023-06-21 - 公布日： 2023-09-22 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了一种知识与数据协同驱动的不平衡临床数据分类系统，包括：患者图谱构建模块，用于从患者电子病历数据中提取医学概念集合，基于医学概念集合和对应的关系集合构建患者图谱；患者表示获取模块，使用图卷积网络从患者图谱中提取含图结构信息的知识特征，融合知识特征和数据特征，得到患者表示；患者临床分类结果获取模块，将患者表示输入至临床数据分类模型中，所述临床数据分类模型由一个门控网络和多个专家网络组成，将患者表示同时输入到门控网络和各专家网络，其中门控网络为每个专家网络分配不同的患者权重，各专家网络基于患者权重分别输出分类结果；对每个专家网络输出的分类结果进行组合，获得患者临床分类结果。
一种知识数据协同驱动不平衡临床分类系统

[发明专利]网络DNA-CN200510008172.4有效
发明人： C·J·柯尔贝特;M·J·哈基;P·巴尔 -专利权人：微软公司
申请日： 2005-02-06 - 公布日： 2005-08-10 - 主分类号： H04L12/24 文献下载
摘要：可为计算机网络确定在分类学上对计算机网络进行分类的网络DNA。网络DNA可包括衍生网络DNA分量和原始网络DNA分量。原始网络DNA分量可从本地或远地的源获得。可根据衍生网络DNA分量规范来产生衍生网络DNA分量。衍生网络DNA分量规范可引用原始网络DNA分量。为计算机网络确定的网络DNA包括网络种类分量，能够指示出计算机网络的网络种类分类。网络种类分类可包括企业网络、家庭网络和公共场所网络。可按照网络安全、网络管理、网络寻址的函数来确定网络种类分类。一个或多个网络DNA存储可配置成为计算机网络存储网络DNA。网络DNA存储可存储网络DNA历史记录以及当前网络DNA。
网络 dna

[发明专利]未知网络流量的分类-CN201910924508.3在审
发明人： R·查尤贝 -专利权人：瞻博网络公司
申请日： 2019-09-27 - 公布日： 2020-11-17 - 主分类号： H04L29/06 文献下载
摘要：网络设备可以接收用于应用的网络流量。该网络设备可以根据第一分类技术来确定针对网络流量的第一分类。第一分类可以将网络流量标识为与特定应用或未知应用相关。该网络设备可以根据第二分类技术来确定针对网络流量的第二分类。第二分类可以将网络流量标识为与特定类型和身份的未知应用相关。网络设备可以根据与所述特定应用相关联的第一安全策略或与所述特定类型和身份的所述未知应用相关联的第二安全策略，基于第一分类是否将所述网络流量标识为与所述特定应用或所述未知应用相关，来处理所述网络流量。
未知网络流量分类

[发明专利]一种基于深度特征损失的语音降噪方法及系统-CN202010354660.5在审
发明人：计健雄;郭鹏 -专利权人：华中科技大学
申请日： 2020-04-29 - 公布日： 2020-08-25 - 主分类号： G10L21/0208 文献下载
摘要：本发明公开了一种基于深度特征损失的语音降噪方法及系统，包括：确定音频分类网络，所述音频分类网络由卷积层、卷积核、LReLU单元以及零填充单元组成；结合预设的音频分类任务对所述音频分类网络进行预训练；使用训练得到的音频分类网络的前六层特征激活差异作为增强网络的损失函数直接对预设音频进行降噪训练，使得所述增强网络具有降噪的能力，以基于训练后的增强网络对待降噪语音进行降噪。本发明将训练好的分类网络的作为增强网络的损失函数，其中损失函数由原始音频和去噪音频在分类网络中的前六层的激活特征做差，将每一层的差值求和得出。通过比较去噪信号和干净信号在预训练的深度网络中的激活差异作为损失，更好的实现语音去噪的效果。
一种基于深度特征损失语音方法系统

[发明专利]一种基于关键区域检测的复杂目标精准识别方法-CN201810345899.9有效
发明人：王田;李玮匡;李嘉锟;陶飞 -专利权人：北京航空航天大学
申请日： 2018-04-18 - 公布日： 2020-11-24 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于关键区域检测的复杂目标精准识别方法，包括：使用交叉训练的方法对整个神经网络进行融合训练，使用卷积神经网络提取目标特征，使用检测子网络以锚方框作为参考检测复杂目标的关键区域，使用区域标准池化将关键区域池化为固大小的特征图，使用分类子网络对关键区域进行分类，融合各个关键区域的分类结果从而达到对目标的精准识别。整个网络包括了关键区域检测子网络和关键区域分类子网络，由检测子网络检测出复杂目标具有区分度的关键区域，再由分类子网络对关键区域进行分类，融合各区域的分类结果对整体目标进行识别。这两个子网络共享了VGG卷积神经网络提取的特征,从而使复杂目标的识别达了到快速与精准的效果。
一种基于关键区域检测复杂目标精准识别方法

[发明专利]一种基于增强卷积神经网络的病理图像分类方法-CN201710883838.3在审
发明人：李岳楠;孟婷 -专利权人：天津大学
申请日： 2017-09-26 - 公布日： 2018-03-09 - 主分类号： G06K9/62 文献下载
摘要：一种基于增强卷积神经网络的病理图像分类方法，所述病理图像分类方法包括以下步骤将患病与健康两类病理图片分割成固定大小图像块，赋予两类图像块对应标签作为训练样本；训练多个深度卷积神经网络作为弱分类器；将训练好的多个弱分类器集成为强分类器，实现对病理图像的分类。本方法训练多个深度卷积神经网络作为弱分类器，用带有分类错误的样本重新训练另一个分类器，最后将多个弱分类器集成，可以实现分类互补，有效提高网络的分类性能，提高对病理图片分类准确率。
一种基于增强卷积神经网络病理图像分类方法