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2447565个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于特征耦的微表情识别方法-CN202210522618.9在审
  • 卢官明;束永丽;卢峻禾 - 南京邮电大学
  • 2022-05-13 - 2022-08-23 - G06V40/16
  • 本发明公开了一种基于特征耦的微表情识别方法,该方法包括以下步骤:构建并训练普通表情‑身份特征耦网络,将训练好的普通表情‑身份特征耦网络作为微表情‑身份特征耦网络的初始模型,使用人脸微表情图像样本微调该模型,得到微表情‑身份特征耦网络;构建包含普通表情‑身份特征耦网络、微表情‑身份特征耦网络的对抗网络模型,通过对抗学习方法,使用相同表情类别的人脸普通表情图像样本和人脸微表情图像样本训练对抗网络模型;将训练好的对抗网络模型中的微表情‑身份特征耦网络作为最终的微表情识别模型。本发明可以使模型排除人脸身份特征干扰,更加关注微表情特征,从而提高微表情识别的准确率。
  • 一种基于特征表情识别方法
  • [发明专利]基于特征耦学习的低曝光图像增强方法-CN202110745105.X有效
  • 王军;韩淑雨;潘在宇;李玉莲;申政文;陈晓玲 - 中国矿业大学
  • 2021-06-30 - 2022-05-27 - G06T5/00
  • 本发明公开了一种基于特征耦学习的低曝光图像增强方法,使用正常曝光静脉图像和低曝光静脉图像训练特征耦网络,迫使编码得到低曝光静脉图像的背景特征,再利用训练好的特征耦网络和低曝光静脉图像训练图像增强网络,提取低曝光静脉图像的纹理特征,实现低曝光静脉图像的纹理特征和背景特征分离,并单独使用低曝光静脉图像的纹理特征重建增强的静脉图像。本发明提出一种基于特征耦学习的低曝光图像增强方法,从两种图像的特点出发,引入对抗损失,将低曝光静脉图像纹理特征和背景分离,操纵特定的特征重建正常曝光的图像,对低曝光静脉图像实现有效增强。
  • 基于特征学习曝光图像增强方法
  • [发明专利]一种应用特征耦的低剂量CT图像修复方法及系统-CN202110079304.1有效
  • 王国利;李振昌;郭雪梅 - 中山大学
  • 2021-01-21 - 2023-10-20 - G06T5/00
  • 本发明公开了一种应用特征耦的低剂量CT图像修复方法及系统,该方法包括:获取原始低剂量CT扫描图像;对原始低剂量CT扫描图像进行特征耦,得到待处理的特征;将待处理的特征进行修复处理并聚合,得到聚合后特征;对聚合后特征进行解码,恢复出修复后的正常剂量CT扫描图像。该系统包括:图像获取模块、特征耦模块、修复聚合模块和恢复模块。本发明考虑混合失真之间的相互干扰,对低剂量CT图像进行去噪和修复。本发明作为一种应用特征耦的低剂量CT图像修复方法及系统,可广泛应用于图像修复领域。
  • 一种应用特征剂量ct图像修复方法系统
  • [发明专利]多种视网膜积液联合分割的上下文关注与融合网络系统-CN202110171467.2有效
  • 朱伟芳;叶妍青;陈新建 - 苏州大学
  • 2021-02-05 - 2023-06-13 - G06V10/26
  • 本申请公开一种适用于多种视网膜积液联合分割的上下文关注与融合网络,包括特征编码模块、上下文收缩编码CSE模块、上下文金字塔引导CPG模块、特征码模块,上下文收缩编码CSE模块嵌入于特征编码模块中,上下文金字塔引导CPG模块设置于特征编码模块、特征码模块之间,上下文收缩编码CSE模块与特征码模块跳跃连接;视网膜OCT图像通过特征编码模块和上下文收缩编码CSE模块对各层次特征进行选择性聚合,再通过上下文金字塔引导CPG模块获得多尺度上下文信息输入到特征码模块中,特征码模块输出分割结果。本申请的适用于多种视网膜积液联合分割的上下文关注与融合网络,克服了现有技术中存在的特征聚合无选择性、多尺度信息提取能力低下等问题。
  • 多种视网膜积液联合分割上下文关注融合网络系统
  • [发明专利]特征耦模型的训练、语音解耦、语音合成的方法及设备-CN202210517566.6在审
  • 孙奥兰;王健宗;程宁 - 平安科技(深圳)有限公司
  • 2022-05-13 - 2022-08-09 - G10L13/02
  • 本申请涉及人工智能技术,提出了一种特征耦模型的训练、语音解耦、语音合成的方法及设备,该方法包括:将样本音频的第一频谱特征输入至预训练的语音特征耦模型的节奏编码器进行编码得到节奏编码;利用模型的内容编码器对第一频谱特征进行编码得到内容编码;利用模型的音高编码器对音高轮廓特征进行编码得到音高编码;通过模型的解码器对输入至解码器中的节奏编码、内容编码、音高编码、用户身份特征进行解码得到第二频谱特征;根据计算得到的重构损失函数和正交损失函数得到整体损失函数;根据整体损失函数计算梯度迭代更新模型参数,直至达到收敛条件,得到已训练的语音特征耦模型。本申请可以优化语音特征耦达到充分解耦的目的。
  • 特征模型训练语音合成方法设备
  • [发明专利]文本特征的解码方法和装置、存储介质及电子设备-CN202311103289.5在审
  • 杨韬 - 腾讯科技(深圳)有限公司
  • 2023-08-30 - 2023-10-03 - G06F40/205
  • 本公开提供了一种文本特征的解码方法和装置、存储介质及电子设备。其中,该方法包括:获取文本特征码模型中第i‑1层特征码层输出的文本特征;获取与第i层特征码层对应的k个全局特征向量,k个全局特征向量用于表征文本特征中的字符向量之间关联关系;依次获取文本特征中的每一个字符向量与k个全局特征向量中的每一个全局特征向量的向量相似度,并基于对应于同一个字符向量的k个向量相似度将每一个字符向量依次更新为参考字符向量;将参考字符向量拼接得到的参考字符向量序列确定为解码得到的目标文本特征本公开解决了文本特征码效率低的技术问题。
  • 文本特征解码方法装置存储介质电子设备

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