“尺度选择性”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7240088个，建议您升级VIP下载更多相关专利

[发明专利]一种基于选择性超图卷积网络的骨架动作识别方法-CN202110812098.0有效
发明人：沈复民;朱怡燃;徐行;申恒涛 -专利权人：成都考拉悠然科技有限公司
申请日： 2021-07-19 - 公布日： 2021-11-12 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于选择性超图卷积网络的骨架动作识别方法；通过设计一个全新的选择性超图卷积网络，在选择性超图卷积网络中适应性地提取骨架中的多尺度信息和选择性地聚合时序关键帧特征；在选择性超图卷积网络中主要表现为：将骨架表示成超图结构来建模关节点之间的高阶关系而不破外固有的空间位置属性；采用尺度选择超图卷积来充分提取多尺度信息和选择性融合多个尺度的特征；以及采用帧选择时间卷积来代替传统的步长时间卷积，根据帧的重要性自适应地选择关键帧和过滤冗余帧从而实现了对节点间的高阶关系的重视处理、对多尺度信息的充分融合以及在减少冗余的过程中对关键帧信息进行筛选保留，从而实现了更高效且更高精度的骨架动作识别。
一种基于选择性超图卷积网络骨架动作识别方法

[发明专利]一种基于多尺度特征选择性融合的暗光图像增强方法-CN202111078582.1在审
发明人：张静;魏磊杰;曾繁玉;李云松 -专利权人：南京天巡遥感技术研究院有限公司
申请日： 2021-09-15 - 公布日： 2021-11-09 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于多尺度特征选择性融合的暗光图像增强方法，属于图像增强技术领域。该图像增强方法使用下采样模块对暗光图像进行特征提取，从多个角度有选择性地提取亮度特征及细节特征；在下采样模块中抽取低层特征作为多尺度特征进行融合，充分发掘相邻层特征之间的联系，进而提升网络的泛化性能；通过SE模块自适应地学习多尺度融合权重，使这些多尺度特征有选择性地与多尺度特征选择性融合的神经网络的输出特征进行相加融合；使用卷积运算对融合特征进行色彩修正和维度重塑，使得增强图像在信噪比、锐化度以及颜色保真度等方面均有良好的性能
一种基于尺度特征选择性融合图像增强方法

[发明专利]一种融合集成磨机负荷参数软测量系统-CN201811499493.2有效
发明人：刘卓;汤健;余刚;赵建军 -专利权人：北京工业大学
申请日： 2018-12-09 - 公布日： 2023-10-20 - 主分类号： G06F18/214 文献下载
摘要：本发明公开一种融合集成磨机负荷参数软测量系统；首先采用多组分信号自适应分解算法将原始筒体振动/振声信号分解为具有不同时间尺度和物理含义的时域子信号，再变换至频域得到多尺度频谱；接着构建基于这些多尺度振动/振声频谱的选择性集成潜结构映射模型；然后提取多尺度频谱潜在特征并以这些特征为输入构建选择性集成模糊推理模型；最后采用基于误差信息熵的加权方法融合集成上述两类异质选择性集成模型，进而得到具有双层集成结构的磨机负荷参数软测量模型采用实验磨机数据仿真验证了所提方法的有效性。
一种融合集成负荷参数测量系统

[发明专利]一种多尺度特征选择性融合的胰腺图像分割方法-CN202110350769.6在审
发明人：管秋;苗林涛;张泽涵 -专利权人：浙江工业大学
申请日： 2021-03-31 - 公布日： 2021-06-29 - 主分类号： G06T7/00 文献下载
摘要：一种多尺度特征选择性融合的胰腺图像分割方法，构建一个两阶段的由粗到细的胰腺分割框架，首先在预处理后的整图上进行粗分割和分割优化得到粗分割结果，确定胰腺分割区域的边界框，对预处理后的图像进行裁剪，再在裁剪图像上进行细分割和分割优化得到胰腺图像的细分割结果；将SE机制和Inception思想引入不同层次的特征融合中，构建了多尺度特征选择性融合模块MSSFM；在Unet模型基础上，编码部分利用残差卷积块使网络更深并防止模型退化，提升有效特征的学习；解码部分利用多尺度特征的选择性融合模块自下而上的融合多尺度特征，增加网络对多尺度目标的适应性并聚焦目标区域，提高模型分割的精准度。
一种尺度特征选择性融合胰腺图像分割方法

[发明专利]一种磨机负荷参数软测量方法-CN201610081058.2有效
发明人：汤健;柴天佑;刘卓;周晓杰;丁进良;吴志伟;贾美英;迟瑛 -专利权人：中国人民解放军61599部队计算所;东北大学
申请日： 2016-02-04 - 公布日： 2018-10-30 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种磨机负荷参数软测量方法，本发明的方法面向筒体振动和振声信号的多尺度和非稳态特性，基于不同视角，采用多种不同的信号分解技术将原始筒体振动信号和振声信号分解为系列子信号。将选择的子信号频谱和原始信号频谱作为多源多尺度信息构建磨机负荷参数软测量模型。采用基于自适应遗传算法(AGA)和分支定界(BB)算法的全局优化选择性集成核偏最小二乘(GOSENKPLS)优化选择候选子模型和选择性集成模型(SEN模型)的结构参数和学习参数，实现对多源多尺度信号的有效选择性融合本发明可以提高磨机负荷参数软测量的精确性。
一种负荷参数测量方法

[发明专利]一种多尺度金属陶瓷太阳能选择性吸收涂层的制备方法-CN201810062106.2在审
发明人：庞旭明;魏倩;钱丽佳;周剑秋 -专利权人：南京工业大学
申请日： 2018-01-23 - 公布日： 2018-09-21 - 主分类号： C23C24/10 文献下载
摘要：本发明公开了一种多尺度金属陶瓷太阳能选择性吸收涂层的制备方法，包括如下步骤：造粉→喷涂→激光熔敷→退火→机械抛光，该方法利用以多尺度金属陶瓷涂层作为高温大气环境中长期服役的太阳能选择性吸收涂层，并利用激光熔敷技术及机械抛光技术减少表面孔洞，提高涂层致密性并降低涂层表面粗糙度，从而获得吸收率高，红外发射率低的太阳能选择性吸收涂层。本发明具有成本低廉，操作简单，所制成得涂层选择性吸收性能高，涂层稳定，抗热冲击能力强等优点。
太阳能选择性吸收涂层多尺度激光熔敷金属陶瓷制备吸收率退火高温大气环境机械抛光技术金属陶瓷涂层抗热冲击能力红外发射率涂层致密性选择性吸收表面孔洞机械抛光涂层表面粗糙度喷涂

[发明专利]基于选择性视觉注意机制的马尾松多尺度智能识别模型-CN201310113180.X无效
发明人：王瑞瑞;石伟;陈玲;黄华国 -专利权人：北京林业大学
申请日： 2013-04-02 - 公布日： 2013-07-31 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于选择性视觉注意机制的马尾松多尺度智能识别模型，识别步骤为：基于显著性区域分割提取视觉注意机制感兴趣的多维特征，基于形态学分析法进一步捕捉各种条件下马尾松的形态结构特征，进行形态建模，构建基于选择性视觉注意机制的多尺度智能识别模型
基于选择性视觉注意机制马尾松尺度智能识别模型

[发明专利]一种选择性激光烧结制件及其制备方法和应用-CN201910388164.9有效
发明人：张云鹤;崔延红;王凡铭;李健;郭艳玲 -专利权人：东北林业大学
申请日： 2019-05-10 - 公布日： 2020-09-18 - 主分类号： B29C64/153 文献下载
摘要：本发明提供了一种选择性激光烧结制件及其制备方法和应用，属于复合材料技术领域。本发明提供的选择性激光烧结制件，包括以下步骤：提供选择性激光烧结成型品；将所述选择性激光烧结成型品进行微波处理，得到选择性激光烧结制件；所述选择性激光烧结成型品为碳纳米管/木塑复合材料选择性激光烧结成型品本发明提供的制备方法在无需引入石蜡、树脂等其他液态介质并保证成型件尺寸精度的情况下，能够大大提高选择性激光烧结成型品的力学性能，实现碳纳米管/木塑复合材料的微纳米尺度结构调控，而且制备方法具有工艺简单、
一种选择性激光烧结制件及其制备方法应用

[发明专利]一种由粗到细的快速准确检测伪装物体的方法及装置-CN202310319154.6在审
发明人：李硕豪;李小飞;张军;陈江明;何华;雷军;黄魁华;王翔汉;孙博良;陈超;刘忠 -专利权人：中国人民解放军国防科技大学
申请日： 2023-03-28 - 公布日： 2023-06-30 - 主分类号： G06V10/80 文献下载
摘要：本发明提供了一种由粗到细的快速准确检测伪装物体的方法及装置，包括粗略预测子网络和精细预测子网络；所述粗略预测子网络利用跨级注意力融合模块集成不同尺度的特征及融合边界信息，然后进行初始粗预测；所述跨级注意力融合模块包括四个分别用于捕获远程语义依赖、精确位置信息、全局特征和局部特征的分支；所述精细预测子网络利用残差选择性内核模块增强判别特征表示，然后利用两个跨级注意力融合模块进一步捕获多尺度纹理并获得细粒度预测结果；所述残差选择性内核模块通过堆叠选择性内核网络构建可以融合主干提取的多尺度上下文信息，并获得精确的伪装目标检测的精细预测。
一种粗到细快速准确检测伪装物体方法装置

[发明专利]一种基于尺度分治的目标检测方法及系统-CN202211495300.2在审
发明人：史殿习;刘洋洋;周晨磊;史燕燕;乔子腾;胡浩萌 -专利权人：天津（滨海）人工智能创新中心
申请日： 2022-11-26 - 公布日： 2023-04-04 - 主分类号： G06V10/26 文献下载
摘要：本发明提供了一种基于尺度分治的目标检测方法及系统，包括：特征提取模块，提取输入图像数据的特征，并将选择性裁剪模块裁剪后的图片进行特征提取；尺度特征选择模块，处理特征得到大中小物体各自的尺度特征图；选择性裁剪模块，基于大中小物体各自的尺度特征图获取目标中心位置按设定尺寸裁剪，将裁剪后的图片输入到特征提取模块；预测模块，将特征图经过角点池化层或中心点池化得到关键点的热图、嵌入向量和偏移向量；关键点配对模块，将关键点的热图本发明采用构建尺度分治目标检测系统的方法，解决现有技术检测精度差的问题，降低了漏检的概率，同时提升了检测的精准度，有效减少错误检测的预测框。
一种基于尺度分治目标检测方法系统

[发明专利]选择性钝化和选择性沉积-CN201910938338.4在审
发明人： J·W·梅斯;M·吉文斯;S·豪卡;V·帕鲁丘里;I·拉伊梅克斯;S·邓;A·伊利贝里;E·托伊斯;D·朗格里 -专利权人： ASMIP控股有限公司
申请日： 2019-09-30 - 公布日： 2020-04-10 - 主分类号： H01L21/02 文献下载
摘要：本发明的发明名称为选择性钝化和选择性沉积。提供了用于选择性沉积的方法。材料相对于不同材料组成的第二表面被选择性沉积在衬底的第一表面上。将抑制剂(如聚酰亚胺层)相对于第二表面由气相反应物选择性地形成在第一表面上。将目标层相对于第一表面由气相反应物选择性地沉积在第二表面上。第一表面可以是金属的，而第二表面是介电的。因此，可利用本文所述技术将材料(如介电过渡金属氧化物和氮化物)相对于电介质表面选择性地沉积在金属表面上。
选择性钝化沉积

[发明专利]选择性钝化和选择性沉积-CN202210891880.0在审
发明人： J.W.梅斯;M.E.吉文斯;S.P.霍卡;V.帕鲁丘里;I.J.拉伊杰马克斯;邓少任;A.伊利贝里;E.E.托伊斯;D.朗格里;C.德泽拉;M.图米恩 -专利权人： ASM IP私人控股有限公司
申请日： 2022-07-27 - 公布日： 2023-02-03 - 主分类号： C23C16/40 文献下载
摘要：提供了选择性沉积的方法。材料相对于不同材料成分的第二表面选择性地沉积在基板的第一表面上。相对于第二表面，在第一表面上由气相反应物选择性地形成抑制剂，例如聚酰亚胺层。相对于第一表面，感兴趣的层从气相反应物选择性地沉积在第二表面上。第一表面可以是金属的，而第二表面是介电的。因此，诸如介电过渡金属氧化物和氮化物的材料可以使用这里描述的技术相对于介电表面选择性地沉积在金属表面上。
选择性钝化沉积

[发明专利]基于选择性核注意力的雷达带宽变化稳健目标识别方法-CN202310166612.7在审
发明人：王鹏辉;刘宏伟;李西浩;丁军;陈渤 -专利权人：西安电子科技大学
申请日： 2023-02-24 - 公布日： 2023-06-23 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于选择性核注意力的雷达带宽变化稳健目标识别方法，包括：获取待识别目标的雷达高分辨距离像数据和带宽信息作为待测数据；输入预先训练完成的选择性核注意力网络得到目标识别结果；该网络包括顺次连接的并联分支结构、选择性核注意力层、空间金字塔池化层和全连接层结构，并联分支结构包括并联的卷积神经网络结构和带宽信息分支，分别用于接收雷达高分辨距离像数据和带宽信息；选择性核注意力网络采用由不同带宽的多类目标的雷达高分辨距离像数据和对应的带宽信息所生成的训练数据集训练得到本发明通过提取不同带宽数据的多尺度特征并利用带宽信息辅助多尺度特征融合，能降低建库成本、有效用于雷达带宽变化的目标识别任务。
基于选择性注意力雷达带宽变化稳健目标识别方法

[发明专利]一种结合RGB和HSV颜色空间的水下图像增强方法-CN202310213964.3在审
发明人：刘楚凡;束鑫;潘磊;史金龙;韩斌;范燕;华伟 -专利权人：江苏科技大学
申请日： 2023-03-08 - 公布日： 2023-06-30 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种结合RGB和HSV颜色空间的水下图像增强方法，步骤是：对原始的彩色水下图像进行颜色校正；将颜色校正之后的水下图像使用最近邻插值法生成多尺度水下图像；将多尺度水下图像送入编码器，在RGB和HSV两个颜色空间中分别提取多尺度特征；对于在编码阶段提取出的多尺度特征，使用选择性内核特征融合模块对来自RGB和HSV两个颜色空间中的同一尺度的特征进行有选择性融合；将融合后的特征进行解码重建，从最小的尺度开始逐步重建水下图像本发明通过采用RGB和HSV结合的双颜色空间，将HSV颜色空间中的色调，饱和度等重要信息引入至算法中以增强算法的鲁棒性，提高了网络泛化性。
一种结合 rgb hsv 颜色空间水下图像增强方法

[发明专利]一种复杂场景的人群计数方法及设备-CN202211148819.3在审
发明人：左健豪;朱金华;李鹏飞;周俊宇;刘加;潘明远 -专利权人：中国电子系统技术有限公司
申请日： 2022-09-21 - 公布日： 2022-12-27 - 主分类号： G06V20/52 文献下载
摘要：本申请公开了一种复杂场景的人群计数方法及设备，包括如下步骤：将图像输入编码器分支，以利用编码器分支对输入图像进行编码；将编码的结果输入解码器分支，以利用解码器分支确定图像中的人群密度；编码器分支包括包括多个子分支的基础特征提取单元和选择性融合单元，且各子分支的基础特征提取单元均输出特征图给选择性融合单元，以利用选择性融合单元进行筛选和融合；解码器分支包括解码器模块，用以基于自适应多尺度特征提取器输出的编码特征图，进行特征融合和语义分割，以确定图像中的人群密度本申请实施例设计的编码器分支和解码器分支提取丰富的多尺度人头特征，提高网络对多尺度人头的检测能力，从而提高人群计数算法的精度。
一种复杂场景人群计数方法设备

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条