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717792个,建议您升级VIP下载更多相关专利
  • [实用新型]一种防护镜-CN202021156247.X有效
  • 庞鸣 - 柳州市工人医院
  • 2020-06-19 - 2021-05-28 - A61F9/02
  • 本实用新型涉及医药器械领域,尤其涉及一种防护镜,包括镜框、安装于镜框上的防护镜片和软质眼罩,以及安装在软质眼罩上的绑带,所述镜框内侧上设置有机构,实现去除防护镜片内壁上的雾气;所述机构包括两条刷杆,两端分别可滑动的连接于镜框的上框架和下框架的内侧,刷杆上固定一软质刷片,所述软质刷片贴合防护镜内壁;以及两条推拉杆,分别穿镜框的左框架和右框架的侧面;推拉杆的一端连接去刷杆,另一端为自由端,推拉推拉杆的自由端使得刷杆能沿着框架长度方向移动
  • 一种防护
  • [发明专利]萝卜汁异味设备-CN200810212594.7有效
  • 孙慧燕 - 孙慧燕
  • 2007-04-26 - 2009-02-11 - A23L2/70
  • 本发明涉及萝卜汁异味设备。萝卜汁异味设备:包括空气流通器3,空气流通器3顶部设有盖板5,内部设有带截网25的截网框13,通过风机2与进风口1相通,设有由底部伸入的带高压喷淋嘴10的输液管11,空气流通器3上设有观察窗8,截网框13的底部设有萝卜汁和泡沫分离槽23,其下部设有一个带控制开关14的出萝卜汁管15,分离槽23一边观察窗16;空气流通器3后部上方与外部相通的异味出口26,对应下部泡沫流出通道21,端部为泡沫流出嘴本发明异味设备,能有效去除萝卜汁异味,制得的萝卜汁饮料清凉、爽口、提神。
  • 萝卜异味设备
  • [发明专利]高光谱图像方法-CN202310406804.0在审
  • 徐萌;彭焱鑫;张英;贾森 - 深圳大学
  • 2023-04-10 - 2023-07-28 - G06T5/00
  • 本申请公开了一种高光谱图像方法,所述高光谱图像方法包括:获取待图像;将所述待图像输入至预设的图像模型,基于所述图像模型,对所述待图像进行处理,得到后的图像,其中,所述图像模型是带图像样本和所述带图像样本的图像标签对待训练模型进行迭代训练后得到的,并且所述图像模型是由非对称卷积结构和全局注意力结构组成的。本申请属于图像处理技术领域,通过由非对称卷积结构和全局注意力结构组成的图像模型对待图像进行处理,无需破坏光谱的连续性,并且该模型能学习到更深层和多样的空间与光谱信息,提高了高光谱图像的效果
  • 光谱图像方法
  • [发明专利]一种单幅图像方法-CN202111343676.7在审
  • 孙晓明;韩洋;刘鹏飞;贺志帅 - 哈尔滨理工大学
  • 2021-11-13 - 2022-02-15 - G06T5/00
  • 本发明一种单幅图像方法属于数字图像处理技术领域;该方法首先构建模块,然后构建阶梯式网络结构:将有图像输入到模块得到第一梯度模块,输出为较粗糙的图像,再将输入到模块得到第二梯度模块,得到较高质量的清晰无图像;最后设计深度损失函数;本发明单幅图像方法,把阶梯式策略跟改进的模块充分结合,得到了更好的效果。
  • 一种单幅图像方法
  • [发明专利]图像方法、装置、电子设备及存储介质-CN202211249065.0在审
  • 李嘉锋;况玲艳;郝帅;卓力 - 北京工业大学
  • 2022-10-12 - 2023-04-04 - G06T5/00
  • 本发明提供一种图像方法、装置、电子设备及存储介质,其中方法包括:确定待图像;将所述待图像输入至模型中,得到所述模型输出的后的图像;所述模型包括霾图像编码器和语义解码器;所述霾图像编码器用于提取并融合所述待图像在两个不同层级的语义特征,得到霾图像语义特征;所述语义解码器用于基于所述霾图像语义特征得到后的图像;所述模型是基于不成对的霾样本图像和清晰样本图像训练得到,实现了对待图像不同层级的语义特征提取,提高了输出的霾图像语义特征的特征表达能力,从而提高了模型的霾特征提取能力,进而提高模型的质量。
  • 图像方法装置电子设备存储介质
  • [发明专利]基于生成对抗网络和多尺度融合的图像方法及系统-CN202211028300.1有效
  • 骆爱文;陈希;刘旭彬;梅君妍;曾夏祺;邵奕衡 - 暨南大学
  • 2022-08-25 - 2023-08-01 - G06V10/26
  • 本发明涉及图像处理领域,公开了一种基于生成对抗网络和多尺度融合的图像方法及系统,方法包括:构建包括第一单元和第二单元的图像模型;将真实有图像输入训练好的图像模型,通过第一单元对真实有图像进行暗通道先验处理,得到第一传输映射图像和第一图像;通过第二单元对第一传输映射图像和第一图像进行特征细化处理,得到第二传输映射图像和第二图像;并对第二传输映射图像进行物理去处理,得到第三图像;对第二图像和第三图像进行图像融合,得到最终的无图像。本发明结合了基于物理模型先验方法和基于深度学习方法对图像进行处理,提高了精度和效率。
  • 基于生成对抗网络尺度融合图像方法系统
  • [发明专利]基于3DLut的图像处理方法、系统及可存储介质-CN202211401726.7有效
  • 林景洲;张齐宁;郭奇锋 - 深圳深知未来智能有限公司
  • 2022-11-10 - 2023-05-09 - G06T5/00
  • 本发明公开了一种基于3DLut的图像处理方法、系统及可存储介质,涉及图像处理技术领域,包括:准备若干张原始图片,利用大气散射模型对原始图片进行生成处理,得到加图像;构建模型,将加图像输入模型中进行模型训练,得到训练好的模型;通过训练好的模型对待图像进行处理,将待图像进行分块切割后,作为训练好的模型的输入,并将训练好的模型的所有输出结果进行融合,获得后的图像。本发明将LUT用于图像任务得到高效算法,节省计算时间,通过全图训练分块推断的方式达到更好的效果。
  • 基于dlut图像处理方法系统存储介质
  • [发明专利]一种基于全局颜色迁移的遥感影像方法和装置-CN202211341493.6有效
  • 王宇麟;王宇翔;张攀;沈均平;杨娜 - 航天宏图信息技术股份有限公司
  • 2022-10-31 - 2023-04-07 - G06T5/00
  • 本发明提供了一种基于全局颜色迁移的遥感影像方法和装置,涉及影像增强的技术领域,包括:获取样本遥感影像集,并利用预设加算法,对样本遥感影像集进行加处理,得到目标遥感影像集;利用目标遥感影像集和样本遥感影像集,对初始网络模型进行训练,得到目标网络模型,其中,初始网络模型为基于生成对抗网络、ConvNext和注意力机制构建的网络模型;在获取到待影像之后,利用目标网络模型对待影像进行处理,得到初始影像;将待影像和初始影像转换至Lab颜色空间进行颜色迁移,得到目标影像,解决了现有的遥感影像方法效率较低且完成的遥感影像存在色差的技术问题。
  • 一种基于全局颜色迁移遥感影像方法装置
  • [发明专利]一种基于深度学习的霾天气下目标图像方法-CN202310952603.0在审
  • 王超;李富豪;王西云;刘兆惠;翟雨欣 - 山东科技大学
  • 2023-08-01 - 2023-09-01 - G06T5/00
  • 本发明公开了一种基于深度学习的霾天气下目标图像方法,本发明属于图像领域,包括:获取霾天气下的有目标图像,有目标图像包括:训练图像和测试图像;构建图像模型,图像模型采用改进的AOD Net算法;改进的AOD Net算法包括:深度可分离卷积和组合损失函数;基于深度可分离卷积,提取有目标图像的特征图;基于训练图像训练图像模型,得到训练好的图像模型;将测试图像输入至训练好的图像模型,得到后的清晰图像。本发明使图像模型更加轻量化,加强了网络的特征提取能力,提高了对K值的估计精度,能够获得较好的图像效果。
  • 一种基于深度学习天气目标图像方法
  • [发明专利]一种飞机图像方法及系统-CN202111044047.4有效
  • 魏振忠;王文君;许庭兵 - 北京航空航天大学
  • 2021-09-07 - 2022-04-29 - G06T5/00
  • 本发明涉及一种飞机图像方法及系统,通过将有飞机图像作为网络输入,飞机初始图像作为参考标签,采用Res‑Net作为基础网络对有监督学习网络进行训练。在网络训练的初始阶段,总能找到具有最佳效果的最佳模型,其输出的图具有比初始图像和其他训练模型的输出图像具有更好的效果,最后结合残差思想,根据所述第一无飞机图像、所述待评价图像和对所述待评价图像进行预处理后得到的初步图像,得到最终的无飞机图像。采用本发明获得的图像的色彩和细节更加丰富、真实,效果更好。
  • 一种飞机图像方法系统

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