“金字塔网络”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1101410个，建议您升级VIP下载更多相关专利

[发明专利]一种基于金字塔结构的光流估计方法-CN201910356481.2有效
发明人：王瀚漓;孙泽锋 -专利权人：同济大学
申请日： 2019-04-29 - 公布日： 2023-06-02 - 主分类号： G06T7/207 文献下载
摘要：本发明涉及一种基于金字塔结构的光流估计方法，包括以下步骤：构建空间金字塔孪生网络模型；构建结构金字塔网络模型，结构金字塔的各个层设置至少一个卷积神经网络，从底层到高层，卷积神经网络的数量依次递减；在光流训练集中获取一组图片对和对应的光流标签；采用空间金字塔孪生网络模型对图片对进行多尺度特征提取和下采样，并将提取的特征对输入到结构金字塔网络模型对应层的卷积神经网络中；参照光流标签，同时对空间金字塔孪生网络模型和结构金字塔网络模型进行训练和微调；在光流测试集上，使用该空间金字塔孪生网络模型和结构金字塔网络模型，获得光流测试集的预测光流场。
一种基于金字塔结构估计方法

[发明专利]一种锅炉水冷壁管缺陷识别系统、方法和存储介质-CN202211408794.6有效
发明人：万铭;欧强;褚宏豪;袁江 -专利权人：四川川锅环保工程有限公司
申请日： 2022-11-11 - 公布日： 2023-03-10 - 主分类号： G06V10/10 文献下载
摘要：本发明公开了一种锅炉水冷壁管缺陷识别系统、方法和存储介质，采用网络模型进行检测并输出缺陷位置和缺陷类别；网络模型包括主干网络和下游检测网络，主干网络包括特征提取网络和复合特征金字塔，复合特征金字塔包括特征拼接层、第一特征金字塔、第二特征金字塔和自适应细化模块，特征拼接层用于将第一特征金字塔、第二特征金字塔的同尺度特征信息融合并生成多项融合特征金字塔；所述第一特征金字塔通过全局平均池化层与S型生长曲线函数层连接，特征相乘层用于将多项融合特征金字塔和特征细化信息相结合，最后通过特征相加层得到复合特征金字塔。本发明解决了传统特征金字塔语义冲突和上下文信息缺失的问题，增强了模型多尺度性和表达能力。
一种锅炉水冷缺陷识别系统方法存储介质

[发明专利]一种基于金字塔孪生网络的目标跟踪方法-CN201910130821.X有效
发明人：钟叶秀;丘森辉;罗晓曙;韩文静 -专利权人：新疆交投科技有限责任公司
申请日： 2019-02-22 - 公布日： 2023-05-30 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于金字塔孪生网络的目标跟踪方法，属于计算机视觉领域，所述跟踪方法包括如下步骤：目标跟踪系统平台的搭建；构建金字塔孪生网络模型；训练金字塔孪生网络模型；测试金字塔孪生网络模型。本发明提出了新颖的特征金字塔孪生网络模型，由于该模型具有权值共享和并行提取特征的特点，因此可提高金字塔孪生网络模型在目标跟踪的实时性。采用了不同子网、不同层次以及不同尺度的特征，构造了全新的特征金字塔网络，使得本发明能够在复杂环境下具有较强的鲁棒性。
一种基于金字塔孪生网络目标跟踪方法

[发明专利]一种图像金字塔引导的遥感影像小目标检测方法-CN202110246743.7在审
发明人：吴炜;葛炜炜;沈瑛;徐浩然;张诗琪 -专利权人：浙江工业大学
申请日： 2021-03-05 - 公布日： 2021-07-13 - 主分类号： G06T7/00 文献下载
摘要：一种图像金字塔引导的遥感影像小目标检测方法，包含：步骤1：构建骨干网络；步骤2：构建图像金字塔引导网络，构建图像金字塔引导网络，提取图像金字塔特征信息；步骤3：融合骨干与图像金字塔特征，在步骤1、2的基础上得到骨干特征映射图R与图像金字塔特征映射图F，将图像金字塔特征信息作为附加信息，融合到骨干特征信息中去：步骤4：多层次特征融合；在步骤3得到骨干特征与图像金字塔特征融合后的多尺度特征O后，利用特征金字塔网络的侧边横向连接方式
一种图像金字塔引导遥感影像目标检测方法

[发明专利]缺陷检测方法、装置、电子设备及存储介质-CN202110554117.4在审
发明人：陈路燕;邹建法;聂磊 -专利权人：北京百度网讯科技有限公司
申请日： 2021-05-20 - 公布日： 2021-09-03 - 主分类号： G06T7/00 文献下载
摘要：具体实现方案为：获取产品图像对应的第一特征金字塔网络及模板图像对应的第二特征金字塔网络，分别基于训练生成的第一缩放参数及第二缩放参数，将第一特征金字塔网络中每个特征层及第二特征金字塔网络中每个特征层分别进行缩放处理，以获取第一缩放特征金字塔网络及第二缩放特征金字塔网络，之后将第一缩放特征金字塔网络中每个特征层与第二缩放特征金字塔网络中的对应特征层分别进行融合，最后对融合后的特征金字塔网络中每个特征层进行识别，以确定产品图像中的产品是否存在缺陷
缺陷检测方法装置电子设备存储介质

[发明专利]基于空间金字塔空洞卷积网络的桥梁裂缝检测方法-CN201910198978.6有效
发明人：李云松;高卫宾;杜建超;汪小鹏;郭祥伟 -专利权人：西安电子科技大学;陕西康虹交通科技有限公司;西安品码电子科技有限公司
申请日： 2019-03-15 - 公布日： 2022-12-06 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于空间金字塔空洞卷积网络的桥梁裂缝检测方法，其步骤为：1、构建空间金字塔空洞卷积网络；2、生成训练集、标签、测试集；3、对训练集和测试集中的每一幅图像进行预处理；4、训练空间金字塔空洞卷积网络本发明通过搭建空间金字塔空洞卷积网络，保证了空间金字塔空洞卷积网络对桥梁裂缝图像的检测，利用随机梯度下降方法对空间金字塔空洞卷积网络在大数据集上进行训练，保证了空间金字塔空洞卷积网络对桥梁裂缝图像检测的鲁棒性和准确率
基于空间金字塔空洞卷积网络桥梁裂缝检测方法

[发明专利]基于特征金字塔网络的小目标船只检测方法及系统-CN201911416198.0在审
发明人：邓练兵 -专利权人：珠海大横琴科技发展有限公司
申请日： 2019-12-31 - 公布日： 2020-05-15 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于特征金字塔网络的小目标船只检测方法及系统，包括进行样本数据预处理,得到预处理后的图片；构建自底向上的卷积神经网络，在前向过程中，抽取不同大小的特征图构成初始特征金字塔；以上采样的方式构建自顶向下的卷积神经网络，通过横向连接将两部分网络融合，将上采样的结果和初始特征金字塔的相同大小的特征图融合成新的特征金字塔；利用特征金字塔内的特征图经过RPN网络处理后生成船只目标的候选区域；利用样本数据训练特征金字塔网络，采用训练好的特征金字塔网络实现小目标船只的检测。
基于特征金字塔网络目标船只检测方法系统

[发明专利]目标检测模型的训练方法、目标检测方法和训练装置-CN202110937257.X在审
发明人：马婷;谢浩生;李松;黄胜 -专利权人：江苏势通生物科技有限公司
申请日： 2021-08-16 - 公布日： 2023-04-04 - 主分类号： G06T7/00 文献下载
摘要：该训练方法包括：获取待训练的主干网络根据带标签信息的样本图像得到的金字塔输入特征；获取待训练的特征金字塔网络根据金字塔输入特征得到的金字塔输出特征，金字塔输出特征的最高层输出特征根据金字塔输入特征中的最高层输入特征形成，金字塔输出特征的最低层输出特征根据金字塔输入特征中的最低层输入特征形成，金字塔输出特征的其他层输出特征根据若干层输入特征融合形成；获取待训练的预测网络根据金字塔输出特征得到的预测结果；根据预测结果与样本图像的标签信息之间的差异
目标检测模型训练方法装置

[发明专利]基于层级监督级联金字塔网络的胰腺分割方法及装置-CN202110273996.3在审
发明人：张敏;杨争争;马倩茹;徐强强;张蕾;冯筠;任冯刚;仵正;吴荣谦;吕毅 -专利权人：西北大学
申请日： 2021-03-15 - 公布日： 2021-07-23 - 主分类号： G06T7/10 文献下载
摘要：本发明属于医学影像处理领域，公开了一种基于层级监督级联金字塔网络的胰腺分割方法及装置。本发明利用了CT影像特点，设计了具有层级监督的金字塔网络和细粒度的精修网络，其中，具有层级监督的金字塔网络通过提取丰富的金字塔语义特征和引入层级监督，有效解决了胰腺器官分割效果不佳的问题；细粒度的精修网络完成金字塔语义特征的融合，在金字塔网络的基础上实现对胰腺器官分割结果的修正；最后通过引入中继监督实现两个网络的协同训练，从而有效提高胰腺器官分割效果。
基于层级监督级联金字塔网络胰腺分割方法装置

[发明专利]一种基于金字塔渐进擦除学习的自步学习排序方法-CN202110929451.3在审
发明人：琚小明 -专利权人：浙江捷瑞电力科技有限公司
申请日： 2021-08-13 - 公布日： 2021-11-05 - 主分类号： G06T7/194 文献下载
摘要：本发明公开了一种基于金字塔渐进擦除学习的自步学习排序方法，其包括粗金字塔网络和细金字塔网络，在粗金字塔网络中，提出金字塔对抗擦除机制，该机制逐层擦除和融合不同尺度的目标，鼓励网络发现完整的目标，以此在最后的定位图中分割出初始的目标区域；对初始目标区域进行掩码操作，提出相关得分，用于目标区域的伪标注标签；在细金字塔网络中，将初始目标区域及其伪标签用于训练，提出掩码兴趣区域网络层，该网络层可以保留输入大小的同时仅仅保留兴趣区域，最后使用金字塔对抗机制以细化更准确的目标边界，本发明有效减少了弱监督目标定位过程中对于大量精细位置注释的依赖，消耗资源较少，网络训练更稳定，应用广泛。
一种基于金字塔渐进擦除学习排序方法

[发明专利]一种物体检测模型的特征提取方法、装置、设备及介质-CN202010550323.3在审
发明人：高岩;高明;郝虹;凌泽乐 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-06-16 - 公布日： 2020-11-06 - 主分类号： G06K9/46 文献下载
摘要：本申请公开了一种物体检测模型的特征提取方法、装置、设备及介质，包括：将待检测的图像输入至预先建立的特征检测模型，其中，所述特征检测模型包括深度卷积网络、第一特征金字塔网络、第二特征金字塔网络以及物体检测网络，所述第一特征金字塔网络根据所述深度卷积网络构建网络结构，所述第一特征金字塔网络与预先获取的所述第二特征金字塔网络融合得到所述物体检测网络；根据所述特征提取模型的物体检测网络提取出所述待检测的图像对应的特征本申请实施例通过将待检测的图像输入至特征检测模型中，特征检测模型中的第一特征金字塔网络与第二特征金字塔网络融合成物体检测网络，可以提高特征提取网络特征提取的效果。
一种物体检测模型特征提取方法装置设备介质

[发明专利]基于膨胀卷积金字塔与多尺度金字塔的花粉检测方法-CN202011515634.2在审
发明人：刘丰玮;李娟;李建强;叶彩华;尤焕苓;张丰瑶 -专利权人：北京工业大学;北京市气象服务中心
申请日： 2020-12-21 - 公布日： 2021-03-30 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于膨胀卷积金字塔与多尺度金字塔的花粉检测方法，该方法包括：将待检测花粉图像输入到花粉检测特征网络模型中的特征融合层，获取所述待检测花粉图像的花粉融合特征，所述特征融合层基于膨胀卷积金字塔和多尺度金字塔融合得到；将所述花粉融合特征输入到所述花粉检测特征网络模型中的检测层，获取检测结果。本发明提供的一种基于膨胀卷积金字塔与多尺度金字塔的花粉检测方法，基于多尺度金字塔与膨胀卷积金字塔组成特征融合层，可以精确的检测出图像中的花粉颗粒。
基于膨胀卷积金字塔尺度花粉检测方法

[发明专利]一种掌静脉检测模型的训练方法、掌静脉检测模型及存储介质-CN202210916317.4在审
发明人：欧阳一村;陈海涛;龚小龙;陈雅琼;胡玲静;陈余泉;莫家源;朱光强 -专利权人：盛视科技股份有限公司
申请日： 2022-08-01 - 公布日： 2022-11-11 - 主分类号： G06V40/14 文献下载
摘要：本发明提供了一种掌静脉检测模型的训练方法、掌静脉检测模型及存储介质，所述方法包括：采用resNet网络和FPN网络组合形成的神经网络进行训练得到检测模型，其中，所述FPN网络包括自上至下进行逆卷积变换的第一特征金字塔和自下至上进卷积变换的第二特征金字塔，所述第一特征金字塔和所述第二特征金字塔与所述resNet网络具有相同数量且尺寸的特征层，除了最底层外，所述resNet网络的每一层分别连接至所述第一特征金字塔的相应层，且所述resNet网络的最底层分别连接至所述第一特征金字塔的最顶层和所述第二特征金字塔的最顶层
一种静脉检测模型训练方法存储介质

[发明专利]一种基于反向辐射注意力金字塔网络的烟雾多分类识别方法-CN202011226816.8在审
发明人：顾锞;张永慧;乔俊飞;李泽东 -专利权人：北京工业大学
申请日： 2020-11-06 - 公布日： 2021-02-26 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于反向辐射注意力金字塔网络的烟雾多分类识别方法，判断放空火炬工作状态。该网络首先由三个串联的金字塔模块构成，这三个金字塔块由3、4和5个基本卷积模块组成。然后，在每个金字塔模块中引入注意机制进行特征滤波。最后，通过反向辐射连接各金字塔模块的所有前馈输出，系统全面融合低、中、高层特征。基于反向辐射注意力金字塔网络的烟雾多分类识别方法属于大气环境保护领域和机器学习领域。
一种基于反向辐射注意力金字塔网络烟雾分类识别方法

[发明专利]基于自适应特征金字塔的花粉检测方法-CN202010232752.6在审
发明人：李建强;谢海华;句福娇;祖宝开;裴岩 -专利权人：北京工业大学
申请日： 2020-05-07 - 公布日： 2020-07-17 - 主分类号： G06T7/70 文献下载
摘要：一种基于自适应特征金字塔的花粉检测方法属于计算机视觉领域。特征金字塔采用逐像素相加的方式融合卷积网络不同层的特征，由于不同层的特征的感受野、分辨率存在差异，采用逐像素相加的融合方式，使得特征融合时存在非对齐匹配。本发明提出一种自适应特征金子塔网络，让特征金字塔不同层之间的特征通过可学习的方式自适应对齐，在消除冗余特征的同时，扩充了特征金字塔网络的感受野，使关键特征获得更大的响应，提升特征金字塔网络的性能。本发明使用深度卷积网络Resnet‑50提取花粉图像特征，利用Resnet‑50不同模块学习到的特征建立自适应特征金字塔网络，从而建立基于自适应特征金字塔的花粉检测网络。
基于自适应特征金字塔花粉检测方法

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