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193720个,建议您升级VIP下载更多相关专利
  • [发明专利]多输入多输出(MIMO)系统的多流同相-CN200680045900.1有效
  • A·哈菲茨 - 艾利森电话股份有限公司
  • 2006-12-05 - 2008-12-17 - H04B7/04
  • 用于从多个发送天线的子集发送多个独立数据流的系统和方法。该方法包括:由接收机(50)确定(11)发送天线分割,其包括要应用至每个发送天线的相对相位旋转,在可能的分割中该分割产生最高信道容量。然后接收机(50)提供(12)分割信息至发射机(40),包括发送天线子集的数量,在每个子集中包含哪些发送天线,要从每个天线子集发送的数据流的容量,以及要应用至每个子集中的天线的相对相位旋转。发射机(40)根据分割信息将多个发送天线分割(35)成互斥子集,将相对相位旋转应用(38)至每个发送天线,并且从发送天线的每个子集以不大于流容量的速率发送(39)独立数据流。
  • 输入输出mimo系统
  • [发明专利]点云数据分割方法和终端-CN201710294238.3有效
  • 邱纯鑫;刘乐天 - 深圳市速腾聚创科技有限公司
  • 2017-04-28 - 2020-01-21 - G06T7/11
  • 本发明涉及一种点云数据分割方法和终端,其中,所述方法包括:对每一帧的点云数据进行分割以得到各独立的子集;根据前后两帧中的各子集的位置建立基于时间维度的数据关联,将后一帧中的各子集与前一帧的各子集进行对应;根据所述数据关联得到前一帧中的各子集在后一帧中的预测位置信息;以及将所述预测位置信息与后一帧中对应的子集的当前位置信息进行比较判断,对后一帧中的各子集分割结果进行校验和修正。上述点云数据分割方法具有较好的分割鲁棒性。
  • 数据分割方法终端
  • [发明专利]图像分割方法及图像分割系统-CN202011566476.3有效
  • 张立箎;张健源;钱大宏;石峰;薛忠;沈定刚;陈磊 - 上海交通大学
  • 2020-12-25 - 2022-12-13 - G06T7/11
  • 本发明提供一种图像分割方法及图像分割系统。所述图像分割方法包括构建亲和力矩阵、样本聚类、获取子集分割模型、子集分割模型融合等步骤。本发明实现了对图像样本的相似性识别,通过样本聚类为多个子集并对应生成群集代表先验,将一待鉴别图像输入后形成一特征集,对比所述特征集与所述群集代表先验并识别出的最接近的群集代表先验,用与该最接近的群集代表先验相对应的子集分割模型对所述待鉴别图像进行鉴别以获取分割结果,不会随着训练样本的变化而导致分割性能不同。
  • 图像分割方法系统
  • [发明专利]点云数据分割方法和终端-CN201710353580.6有效
  • 邱纯鑫;刘乐天 - 深圳市速腾聚创科技有限公司
  • 2017-05-18 - 2020-04-28 - G06K9/62
  • 本发明涉及一种点云数据分割方法和终端,其中方法包括:利用具有不同栅格分辨率的栅格图对同一点云数据进行分割以得到相应栅格分辨率下的分割结果;每个分割结果至少包括一个独立的子集;根据所述栅格分辨率从小到大的顺序对相应栅格分辨率下的分割结果分别进行目标物检测;在进行目标物检测时,当小栅格分辨率下的分割结果中有检测到目标物的子集时,在大栅格分辨率下的分割结果中确定与检测到目标物的子集对应的映射子集,并将所述映射子集从所述大栅格分辨率下的分割结果中去除后进行目标物检测;以及根据各栅格分辨率下的目标物检测结果得到所述点云数据的最终分割结果。
  • 数据分割方法终端
  • [发明专利]一种数据分类方法及系统-CN201010293694.4无效
  • 储晨 - 合肥兆尹信息科技有限责任公司
  • 2010-09-21 - 2011-05-18 - G06F17/30
  • 本发明公开了一种数据分类方法,包括:选取分割变量;依据所述分割变量和所述目标变量,对原始样本集分割分层,得到训练子集和测试子集;选取所述训练子集中的关键变量,计算回归系数,根据所述关键变量和回归系数运用回归模型,对训练子集逐个建模以产生描述数据的模型;将所述测试子集中的样本变量代入所述模型,计算样本的概率值,根据所述概率值对样本进行分类。应用上述技术方案,选取关键变量之前首先根据分割变量对原始样本集进行分割,有效地消除关键变量的局部差异性,提高建模的准确度,进而样本分类准确度提高。
  • 一种数据分类方法系统
  • [发明专利]基于分割模型的图像分割方法、系统、电子设备及介质-CN202211573993.2在审
  • 唐晓颖;林立;彭琳凯;何华卿;程璞金;吴洁伟 - 南方科技大学
  • 2022-12-08 - 2023-04-14 - G06T7/10
  • 本发明公开了基于分割模型的图像分割方法、系统、电子设备及存储介质,其中,分割模型包括图像修复模型和图像合成器,方法包括:获取样本图像集;基于预设的空间殖民算法生成与样本图像对应的曲线结构库;对样本图像进行骨架标注,并将骨架标注后的样本图像集进行划分,得到标注样本子集和原始样本子集;将标注样本子集输入图像修复模型进行背景提取,输出图像背景库;将曲线结构库和图像背景库输入图像合成器,输出合成图像集;将合成图像集以及原始样本子集输入分割模型,得到目标分割模型;将获取到的待检测样本图像输入目标分割模型进行图像分割,得到分割结果。在本发明实施例中,能够提高标注准确性、减少标注成本,并提高图像分割效率。
  • 基于分割模型图像方法系统电子设备介质
  • [发明专利]流数据图像语义分割模型训练方法、系统及可读存储介质-CN202310481137.2在审
  • 黄琴 - 零束科技有限公司
  • 2023-04-28 - 2023-08-29 - G06V10/26
  • 本发明涉及一种流数据图像语义分割模型训练方法、系统及可读存储介质,涉及图像分割技术领域,所述训练方法包括基于流数据划分策略将流数据集划分为多个数据子集;基于多个数据子集分别训练多个图像语义分割模型;其中数据子集一一对应图像语义分割模型,每个图像语义分割模型具有可识别类别,用于识别对应的流数据的数据类别;基于图像语义分割模型具有的可识别类别以及图像语义分割模型的动态投票权重将多个图像语义分割模型集成为总分割模型;总分割模型识别输入的流数据的数据类别,并根据图像语义分割模型的动态投票权重进行语义分割。本发明可以在使用尽可能少的存储和训练资源情况下,提升流数据图像语义分割模型的分割效果。
  • 数据图像语义分割模型训练方法系统可读存储介质
  • [发明专利]动态非连通网络在显示区域内的布局方法和系统-CN200910136964.8有效
  • 曹楠;谈理;刘世霞;周虹 - 国际商业机器公司
  • 2009-04-30 - 2010-11-03 - G06F17/30
  • 本发明公开了一种动态非连通网络在显示区域内的布局方法,其中动态非连通网络包括多个连通分量,该布局方法包括:将多个连通分量按照重要性进行排列;将排列后的多个连通分量按照重要性顺序第一分割为第一子集S1和第二子集S2,其中第一子集S1至少包括重要性最大的连通分量;将第一子集S1按照重要性顺序第二分割为上子集Cp和下子集Cm,其中上子集Cp仅包括重要性最大的连通分量;根据第一子集S1和第二子集S2的重要性值按比例将显示区域划分为显示部分S1’和S2’;根据上子集Cp和下子集Cm的重要性值按比例将显示部分S1’划分为显示部分Cp’和显示部分Cm’;重复执行第一分割和第二分割及相应的显示区域划分,直到显示部分Cp’的纵横比接近于1。
  • 动态连通网络显示区域内布局方法系统
  • [发明专利]一种点云数据处理方法和设备-CN201510843574.X有效
  • 潘晨劲;赵江宜 - 福州华鹰重工机械有限公司
  • 2015-11-26 - 2017-06-20 - G06T7/11
  • 发明人提供一种松散型点云数据分割方法和设备,本发明涉及雷达点云数据分割,特别涉及松散型点云数据分割分割方法包括下述步骤S101、输入点云数据A,以及初始的内点的子集B,内点的子集B也是点云数据A的子集,点云数据A是雷达扫描形成的具有空间相关性的点的集合;S102、通过随机样本一致性算法,计算出于与子集B最相符的模型b;S103、点云数据A中不属于子集B点的所有的点都作为测试点a,用测试点a测试模型b对于建立在标准笛卡尔坐标系上的点云数据,我们都能使用上述分割方法去处理这组点云数据以及能够选择进行数据压缩的操作,提高运算效率。
  • 一种数据处理方法设备

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