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963570个,建议您升级VIP下载更多相关专利
  • [发明专利]一种图像识别标签-CN202210184695.8有效
  • 王小飞;梁雪明;张思昱;蒋良军;刘鹏程;梁鑫 - 卫健智能(深圳)有限公司
  • 2022-02-28 - 2022-05-13 - G06K19/06
  • 本发明涉及一种图像识别标签,该图像识别标签设置在纸件档案文件上,该图像识别标签具有识别面,该识别面上设置有若干标示单元,若干该标示单元排列设置在该识别面上,由若干该标示单元形成标签图像信息,该纸件档案文件上记载有该档案图像信息,该档案图像信息包括若干区块图像信息,若干该区块图像信息分为数个重要图像信息以及数个不处理的图像信息,该标签图像信息与数个该重要图像信息相对应,工作时,扫描该纸件档案文件同时得到该档案图像信息以及该标签图像信息,根据该标签图像信息筛选出数个该重要图像信息进行保存,同时删除数个该不处理的图像信息。
  • 一种图像识别标签
  • [发明专利]图像检测模型的训练方法、图像检测方法、装置及设备-CN201911302393.0有效
  • 李涛 - 平安银行股份有限公司
  • 2019-12-17 - 2023-09-05 - G06F18/241
  • 本发明公开了一种图像检测模型的训练方法,包括:获取若干图像中各个图像图像信息;确定所述若干图像中每个所述图像标签,其中,所述标签包括第一标签或第二标签;将每个属于所述第一标签图像图像信息与所述第一标签关联,得到第一样本集,并将每个属于所述第二标签图像图像信息与所述第二标签关联,得到第二样本集;重复执行T次确定目标样本集的过程,得到T个所述目标样本集;利用所述T个目标样本集依次对预设算法进行训练,得到本发明还提供了一种图像检测方法、装置和一种计算机设备。
  • 图像检测模型训练方法装置设备
  • [发明专利]图像标签的识别方法和装置-CN202011004911.3在审
  • 许静;张磊;刘超;张奇;迟颖 - 阿里巴巴集团控股有限公司
  • 2020-09-22 - 2022-03-29 - G06V10/764
  • 本发明公开了一种图像标签的识别方法和装置。其中,该方法包括:使用图像标签识别模型对目标图像进行识别,得到第一识别结果,其中,图像标签识别模型为使用多组数据通过机器学习训练出的,多组数据中的数据包括:图像图像中包括的图像标签对应的数值;将第一识别结果中的数值转换到预设数值区间,得到第二识别结果,其中,第一识别结果中包括至少一个数值,所述数值与图像标签相对应;根据第二识别结果,确定目标图像图像标签。本发明解决了识别图像标签的准确率低的技术问题。
  • 图像标签识别方法装置
  • [发明专利]一种图像标签生成方法、装置及设备-CN202110108926.2在审
  • 李月 - 京东方科技集团股份有限公司
  • 2021-01-27 - 2021-05-25 - G06F16/58
  • 本发明实施例提供了一种图像标签生成方法、装置及设备,方法包括:将待处理图像输入至神经网络模型,通过特征提取网络对待处理图像进行特征提取,得到特征提取网络输出的中间层图像特征和输出层图像特征,中间层图像特征与输出层图像特征为不同尺度的图像特征;通过特征融合网络对中间层图像特征和输出层图像特征进行特征融合,得到特征融合网络输出的融合特征;通过第一标签识别网络对输出层图像特征进行识别,得到第一标签识别网络输出的第一类图像标签;通过第二标签识别网络对融合特征进行识别,得到第二标签识别网络输出的第二类图像标签。可见,本方案中,同一神经网络模型能够输出图像的多个标签,提供了一种能够生成图像的多标签的方案。
  • 一种图像标签生成方法装置设备
  • [发明专利]图像识别方法及装置-CN201910304829.3有效
  • 王婷婷;李月 - 京东方科技集团股份有限公司
  • 2019-04-16 - 2021-10-01 - G06K9/62
  • 本发明提出一种图像识别方法及装置,其中方法包括:获取待识别的图像;将图像输入残差神经网络的第一预设块,获取图像对应的第一图像特征;将第一图像特征输入依次排列的残差神经网络的第二预设块、注意力模型、第一卷积层以及池化层,得到具有位置表征和通道表征的表征图像特征,以及对应的第一标签信息;将第一图像特征输入依次排列的第二卷积层和双向神经网络,得到具有标签相关性表征的第二标签信息;根据第一标签信息和第二标签信息,确定图像对应的标签信息,从而能够结合标签之间的位置关系以及相关性来对图像进行多标签识别,能够准确识别出图像中的多个标签,提高图像识别效率。
  • 图像识别方法装置
  • [发明专利]一种标签缺陷检测方法、装置、设备及介质-CN202211620299.1在审
  • 杨涯文;范必双;王玉凤 - 湖南安舒智能科技有限公司
  • 2022-12-15 - 2023-03-21 - G06T7/00
  • 本申请公开了一种标签缺陷检测方法、装置、设备及介质,涉及图像识别领域,包括:对标签图像进行面积缺损检测,以得到第一检测结果;对标签图像进行计算以得到各复杂度,根据各复杂度筛选出复杂区域,对复杂区域进行屏蔽得到屏蔽后的标签图像,将屏蔽后的标签图像输入至预设模型,以得到第二检测结果;对复杂区域进行图像处理得到处理后的复杂区域图像,将处理后的复杂区域图像进行比对检测,以得到第三检测结果;对标签图像进行标签倾斜检测,以得到第四检测结果,基于第一检测结果、第二检测结果、第三检测结果以及第四检测结果确定出标签缺陷检测结果。本申请能够提高标签缺陷检测效率,增加标签缺陷检测准确性,降低标签缺陷检测复杂度。
  • 一种标签缺陷检测方法装置设备介质
  • [实用新型]标签字符识别装置-CN201720330777.3有效
  • 刘楠;刘建宅 - 长城汽车股份有限公司
  • 2017-03-29 - 2018-03-16 - G06K9/00
  • 本实用新型涉及一种标签字符识别装置,其包括承载单元、照明单元、图像采集单元和处理单元,承载单元形成有载物台,以放置具有字符的标签,照明单元设于承载单元一侧,以构成对载物台上的所述标签的照亮,图像采集单元对应于标签设置,以对照明单元照亮下的标签进行图像采集,处理单元与图像采集单元相联接,以对图像采集单元所采集的图像进行处理,而构成对标签上字符的识别。本实用新型所述通过承载单元可放置标签,通过照明单元可对标签进行照明,以可使用图像采集单元对标签上的字符图像进行准确采集,而通过处理单元对采集图像的处理可识别出标签上的字符,从而能够实现标签上字符的自动识别
  • 标签字符识别装置
  • [发明专利]一种图像分类方法、装置及存储介质-CN202010504243.4在审
  • 沈伟;康斌 - 腾讯科技(北京)有限公司
  • 2020-06-05 - 2021-05-04 - G06F16/55
  • 本申请涉及计算机技术领域,尤其涉及一种图像分类方法、装置及存储介质,以提高对图像的分类结果的准确性。该方法中,根据标签对应的特征向量,获取待分类图像的多个图像特征,并确定每个图像特征对于各标签的预测值,最后通过将各标签对应的各个预测值确定待分类图像的预测值,并根据待分类图像标签预测值对待分类图像进行分类这样,通过获取待分类图像的多个图像特征,并根据多个图像特征对于各标签的预测值确定待分类图像标签预测值,可以提高各标签预测值在待分类图像中的准确性,从而提高了图像分类的准确性。
  • 一种图像分类方法装置存储介质
  • [发明专利]一种基于深度学习的图像自动标注方法及装置-CN201811007151.4有效
  • 程起敏;许圆;张倩;邵康;李森;李金玲 - 华中科技大学
  • 2018-08-31 - 2020-11-24 - G06F16/51
  • 本发明公开了一种基于深度学习的图像自动标注方法及装置,包括:利用深度学习技术提取待标注图像的视觉特征;利用图像库构建待标注图像的候选标签集,并利用深度学习技术从待标注图像的候选标签集中提取待标注图像的语义特征;融合待标注图像的视觉特征和语义特征以得到待标注图像的高层特征;根据待标注图像的高层特征,利用深度学习技术计算图像库中各标签在标注待标注图像时的概率;根据待标注图像的高层特征,利用深度学习技术预测待标注图像所需的标签个数;根据所计算的标签概率和所预测的标签个数,利用概率最高的前N个标签对待标注图像进行标注;本发明能够建立低层特征和高层语义标签之间的联系,从而提升图像标注的准确度。
  • 一种基于深度学习图像自动标注方法装置

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