“特征提取模块”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4648275个，建议您升级VIP下载更多相关专利

[发明专利]一种显示面板缺陷检测方法-CN201910270910.4有效
发明人：马卫飞;张胜森;郑增强 -专利权人：武汉精立电子技术有限公司;武汉精测电子集团股份有限公司
申请日： 2019-04-04 - 公布日： 2021-09-03 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种特征提取网络及其显示面板缺陷检测方法，其中的特征提取网络，包括：输入层、特征提取层和输出层，输入层用于将待处理的图像传递至特征提取层；特征提取层，包括低层网络特征提取模块、中层网络特征提取模块、高层网络特征提取模块，其中，低层网络特征提取模块、中层网络特征提取模块、高层网络特征提取模块之间通过密集连接和递减连接的方式连接，分别用于对待处理的图像进行特征提取；输出层，用于接收特征提取层输出的特征映射图
一种显示面板缺陷检测方法

[发明专利]一种印刷图像识别系统-CN202310318548.X在审
发明人：彭贤阶 -专利权人：东莞市永惟实业有限公司
申请日： 2023-03-29 - 公布日： 2023-04-28 - 主分类号： G06V10/56 文献下载
摘要：该印刷图像识别系统，包括图像提取模块、图像预处理模块、发送模块、颜色特征提取模块、纹理特征提取模块、形状特征提取模块、空间关系特征提取模块、第一特征对比模块、第二特征对比模块、第三特征对比模块、第四特征对比模块、存储模块、选取模块、输出模块、归类模块、计算机模拟模块和计算机视觉模块；所述颜色特征提取模块、纹理特征提取模块、形状特征提取模块与空间关系特征提取模块并列设置。本发明能够同时对图像的颜色特征、纹理特征、形状特征和空间关系特征进行同时提取与对比，缩短图像识别的过程，有利于提高图像识别的效率。
一种印刷图像识别系统

[发明专利]基于深度学习的行人特征提取及处理系统-CN201711338384.8在审
发明人：郑荣稳 -专利权人：合肥寰景信息技术有限公司
申请日： 2017-12-14 - 公布日： 2018-05-29 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于深度学习的行人特征提取及处理系统。涉及深度学习特征提取及处理技术领域。包括图像采集模块、行人特征识别模块；行人特征识别模块包括控制单元；控制单元分别与反馈模块、存储模块、匹配识别模块、深度学习训练模块、特征提取模块、行人检测模块；行人检测模块分别与深度学习训练模块、特征提取模块电性连接；特征提取模块与深度学习训练模块电性连接；存储模块内设有行人特征模型库。本发明通过深度学习训练模块采用CNN算法训练CNN模型以及特征提取模块采用CNN模型对数字图像特征提取，实现了行人特征提取的精细化，解决了现有特征提取及处理过程不合理导致识别率低的问题。
特征提取特征提取模块学习训练模块特征识别模块行人检测模块处理系统存储模块电性连接图像采集模块反馈模块匹配识别数字图像算法训练特征模型精细化识别率学习

[发明专利]一种图像形状特征提取系统-CN201811246705.6在审
发明人：蔡昭权;蔡映雪;胡辉;胡松;陈伽;黄思博;黄翰;梁椅辉;罗伟 -专利权人：惠州学院
申请日： 2018-10-25 - 公布日： 2019-02-22 - 主分类号： G06K9/48 文献下载
摘要：本发明公开了一种图像形状特征提取系统，包括形状特征提取系统，所述形状特征提取系统包括图像数据采集模块、异常图像剔除模块、图像预处理模块、图像形状特征提取模块、图像形状显示及存储模块，涉及图像特征提取技术领域该图像形状特征提取系统，便于对图像数据信息进行接收，并且可以通过无线和有线两种方式进行数据的传输，便于对异常的图像数据进行剔除，避免损坏的图像进入图像形状特征提取模块，同时可以对图像进行预处理，便于后续特征提取过程的进行，实现对图像的形状特征进行提取，便于提取过程的进行，提高了提取质量，增加提取过程中的实用性，实现对图像形状特征提取结果的存储，同时便于人们的查看。
图像形状特征提取系统特征提取模块形状特征提取图像剔除图像数据采集模块图像预处理模块特征提取过程特征提取结果图像数据信息图像特征提取预处理存储模块图像数据形状特征异常图像存储传输

[发明专利]一种用于语义分割的特征提取网络和特征提取方法-CN202310315103.6在审
发明人：孟鹏飞;贾双成;朱磊;郭杏荣 -专利权人：智道网联科技（北京）有限公司
申请日： 2023-03-28 - 公布日： 2023-08-11 - 主分类号： G06V10/40 文献下载
摘要：本发明提供一种用于语义分割的特征提取网络和特征提取方法，该网络包括：至少两个特征提取模块和至少一个ASPP模块，其中，所述至少一个ASPP模块中的任意一个ASPP模块位于所述至少两个特征提取模块的任意两个相邻特征提取模块之间；所述ASPP模块用于获取前一个相邻特征提取模块输出的第一特征，对第一特征进行处理后输出第二特征，并将第一特征和第二特征相加后输入后一个相邻特征提取模块。通过在至少两个特征提取模块之间增加一个ASPP模块，利用ASPP模块融合大感受野特征和小感受野特征，实现语义分割网络可以同时提取到更多的上下文信息和细节信息，提高语义分割的效果。
一种用于语义分割特征提取网络方法

[发明专利]图像信息提取方法、模型训练方法、装置、设备及介质-CN202111589337.7在审
发明人：蔡东阳;刘海伟;郭小燕 -专利权人：北京达佳互联信息技术有限公司
申请日： 2021-12-23 - 公布日： 2022-04-12 - 主分类号： G06V10/40 文献下载
摘要：本公开提供一种图像信息提取方法、模型训练方法、装置、设备及介质。图像信息提取方法基于训练好的图像信息提取模型执行，包括：将目标图像输入特征提取模块中的特征提取网络得到特征提取网络输出的原始特征图；将特征提取模块提取的特征图分别输入特征点检测网络和描述子生成网络，得到特征点检测结果向量和局部描述子向量，特征提取模块提取的特征图为原始特征图；基于特征点检测结果向量得到特征点检测结果图像；基于局部描述子向量得到局部描述子结果；训练图像信息提取模型时，利用特征提取模块中的上采样模块对经特征提取网络输出的样本原始特征图进行上采样处理得到样本中间特征图，将样本中间特征图作为特征提取模块提取的样本特征图。
图像信息提取方法模型训练装置设备介质

[发明专利]一种自适应图像超分辨率系统-CN202010398858.3有效
发明人：左旺孟;刘铭;张志路 -专利权人：哈尔滨工业大学
申请日： 2020-05-12 - 公布日： 2021-05-07 - 主分类号： G06T3/40 文献下载
摘要：本发明包括网络深度预测模块、特征提取模块、处理模块、加法器、上采样模块和图像复原模块；通过特征提取模块，用于对原始低分辨率图像进行特征提取获得特征提取图；网络深度预测模块，根据预设的网络深度期望值d*对特征提取图中的所有特征点进行自适应卷积操作，预测出网络深度图；处理模块，用于根据接收的网络深度图对特征提取图进行处理，获得特征提取图中所有特征点的残差特征；加法器，用于将所有特征点的残差特征叠加在特征提取图中的相应特征点上，从而对特征提取图进行调整，获得调整后的特征提取图，通过上采样模块对特征提取图进行放大，再通过图像复原模块进行修复，完成图像的修复。
一种自适应图像分辨率系统

[发明专利]基于预训练模型的多模态情感识别方法及装置-CN202311083710.0在审
发明人：陶建华 -专利权人：清华大学
申请日： 2023-08-28 - 公布日： 2023-09-19 - 主分类号： G10L25/63 文献下载
摘要：本公开涉及一种基于预训练模型的多模态情感识别方法及装置，所述方法包括：将待识别音频的语音数据和文本数据分别输入语音编码器和文本编码器，将语音编码器的输出输入语音情感特征提取模块，并将语音情感特征输入语音跨模态情感特征提取模块；将文本编码器的输出输入文本情感特征提取模块，并将文本情感特征输入文本跨模态情感特征提取模块；将语音情感特征提取模块、文本情感特征提取模块、语音跨模态情感特征提取模块和文本跨模态情感特征提取模块的输出，输入预先训练好的情感分类模块中，得到待识别音频的情感类别，编码器和多个模块的联合使用，能够提高情感识别准确率。
基于训练模型多模态情感识别方法装置

[发明专利]显示屏缺陷检测网络模型、方法、装置、电子设备及存储介质-CN201910745602.2在审
发明人：马卫飞;张胜森;郑增强 -专利权人：武汉精立电子技术有限公司;武汉精测电子集团股份有限公司
申请日： 2019-08-13 - 公布日： 2019-12-20 - 主分类号： G06T7/00 文献下载
摘要：其中该模型包括：用于提取图像特征的骨干特征提取网络模型和用于根据图像特征获取显示屏缺陷信息的检测模型，所述骨干特征提取网络模型包括传递方向连接的低层网络特征提取模块、中层网络特征提取模块和高层网络特征提取模块，其中中层网络特征提取模块、高层网络特征提取模块向后传递的特征映射图数量是按照S倍率递减的方式传递。
提取模块网络模型网络特征特征提取模块高层网络缺陷检测特征提取传递显示屏中层提取图像特征图像特征获取显示屏面板存储介质电子设备缺陷信息映射图准确率低层向后递减检测申请

[发明专利]基于字符级滑动窗口和深度残差网络的DGA域名检测系统-CN202010872917.6有效
发明人：刘小洋;马敏;刘加苗;叶舒 -专利权人：重庆理工大学
申请日： 2020-08-26 - 公布日： 2021-07-20 - 主分类号： H04L29/12 文献下载
摘要：本发明提出了一种基于字符级滑动窗口和深度残差网络的DGA域名检测系统，包括获取预处理模块、原始特征提取处理模块、特征提取模块、批标准化处理模块、域名分类模块和数据展示模块；获取预处理模块用于获取域名数据，对获取的域名数据作为待处理数据，对待处理数据进行预处理；原始特征提取处理模块用于对获取预处理模块中处理后的数据进行原始特征提取处理；特征提取模块用于对原始特征提取处理模块中处理后的数据进行更深层次的特征提取；批标准化处理模块用于对特征提取模块中处理后的数据进行批标准化处理；域名分类模块用于对域名进行分类；数据展示模块用于展示域名分类模块的结果。
基于字符滑动窗口深度网络 dga 域名检测系统

[发明专利]深度学习网络模型、特征提取方法、装置及存储介质-CN202111492862.7在审
发明人：李一曼;张浩;李杉杉;刘强;徐明 -专利权人：深圳力维智联技术有限公司
申请日： 2021-12-08 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及深度学习技术领域，具体涉及一种轻量型具有注意力机制的深度学习网络模型、特征提取方法、装置及存储介质。其包括：基础卷积模块、特征提取模块、维度变换模块、分类概率输出模块。其中，特征提取模块包括多个串行连接的特征提取子模块。采用本实施例的网络模型提取图像特征信息时，多个特征子模块可以对图像进行多尺度空间特征提取，使得同时提取出来多个状态信息，在模型轻量化前提下，提高了特征提取的准确率。
深度学习网络模型特征提取方法装置存储介质

[发明专利]一种无监督红外图像和可见光图像的融合方法-CN202211004968.2在审
发明人：刘世光;高雪艳 -专利权人：天津大学
申请日： 2022-08-22 - 公布日： 2022-11-01 - 主分类号： G06V10/80 文献下载
摘要：本发明公开一种无监督红外图像和可见光图像的融合方法，基于图像融合模型，图像融合模型包括多尺度特征提取模块和特征重建模块，具体包括：(1)将红外图像和可见光图像输入到特征提取模块进行多尺度特征提取；所述特征提取模块内包括红外图像和可见光图像两条特征提取路径，每条路径又包括三条平行的分支；红外图像和可见光图像输入到各自对应的特征提取路径；(2)将特征提取模块内两条特征提取路径提取的特征沿通道维度进行串联，然后输入到特征重建模块得到融合图像；(3)所提出的模型在损失函数的指导下不断进行优化
一种监督红外图像可见光融合方法

[发明专利]物质识别网络模型训练方法及太赫兹光谱物质识别方法-CN201910380222.3有效
发明人：程良伦;何伟健 -专利权人：广东工业大学
申请日： 2019-05-08 - 公布日： 2021-09-17 - 主分类号： G01N21/3586 文献下载
摘要：物质识别网络模型包括特征提取模块和特征分类模块，光谱特征提取网络包括光谱特征提取模块和数据重构模块；特征提取模块和光谱特征提取模块的结构相同。特征分类模块将特征提取模块输出的多通道光谱特征压缩至单通道，并利用softmax回归得到隶属各类物质的概率；光谱特征提取网络训练结束条件为输入至其光谱特征提取模块的原始光谱数据和其数据重构模块输出的重建光谱数据的误差小于预设阈值
物质识别网络模型训练方法赫兹光谱

[发明专利]一种融合双重注意力机制和图卷积社交网络谣言检测系统-CN202111233669.1在审
发明人：刘小洋;赵正阳;叶舒 -专利权人：重庆理工大学
申请日： 2021-10-22 - 公布日： 2022-01-11 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种融合双重注意力机制和图卷积社交网络谣言检测系统，包括文本获取模块、文本语义特征提取模块、传播结构特征提取模块和谣言预测分类模块；文本获取模块的数据输出端与文本语义特征提取模块的数据输入端相连，文本语义特征提取模块的数据输出端与传播结构特征提取模块的数据输入端相连，传播结构特征提取模块的数据输出端与谣言预测分类模块的数据输入端相连。
一种融合双重注意力机制图卷社交网络谣言检测系统

[发明专利]基于后邻域正则化的联网服务质量隐特征提取装置与方法-CN202110231174.9在审
发明人：罗辛;李东扬;吴迪;袁野 -专利权人：中国科学院重庆绿色智能技术研究院
申请日： 2021-03-02 - 公布日： 2021-05-28 - 主分类号： H04L12/24 文献下载
摘要：本发明公开基于后邻域正则化的联网服务质量隐特征提取装置与方法，包括接收模块、邻域度量选择模块、原始隐特征提取模块、后邻域构造模块、后邻域正则化隐特征提取模块和存储模块；接收模块，用于接收QoS数据收集设备发送的QoS数据；邻域度量选择模块，用于对接收到的QoS数据进行数据密度判断并选择相对应的邻域度量方法；原始隐特征提取模块，用于对QoS数据进行原始隐特征提取；后邻域构造模块，用于对QoS数据的原始隐特征进行后邻域构造；后邻域正则化隐特征提取模块，用于对QoS数据进行后邻域正则化隐特征提取；存储模块，用于存储QoS数据、原始隐特征和后邻域正则化隐特征。
基于邻域正则联网服务质量特征提取装置方法

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