“swin”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270个，建议您升级VIP下载更多相关专利

[发明专利]基于DC-swin-mlp网络的图像分类方法-CN202310517460.0在审
发明人：陈昱莅;白佳洋;陆铖;陈国萍 -专利权人：陕西师范大学
申请日： 2023-05-09 - 公布日： 2023-07-25 - 主分类号： G06V10/764 文献下载
摘要：一种基于DC‑swin‑mlp网络的图像分类方法，由数据集预处理、构建DC‑swin‑mlp网络、训练DC‑swin‑mlp网络、保存模型、验证DC‑swin‑mlp网络、测试DC‑swin‑mlp网络步骤组成DC‑swin‑mlp网络模型由主分支网络与特征融合模块、辅助分支网络依次串联构成，主分支网络以Swin‑tiny为骨干网络提取特征，与多层感知机模块相连进行图像分类；特征融合模块由通道注意力机制模块与基于空间注意力机制模块并联构成；辅助分支网络在以Swin‑tiny结构为主干的基础上，添加一个卷积模块引入了归纳偏置，构建成DC‑swin‑mlp网络，此网络利用图像中的有效信息，使网络在训练过程中对重要特征权重增强，对图像进行分类准确
基于 dc swin mlp 网络图像分类方法

[发明专利]基于Swin Transformer的手写文字识别方法及系统-CN202210071314.5在审
发明人：曾祥云;朱姬渊 -专利权人：上海易康源医疗健康科技有限公司
申请日： 2022-01-21 - 公布日： 2022-05-06 - 主分类号： G06V20/62 文献下载
摘要：本申请涉及一种基于Swin Transformer的手写文字识别方法及系统，包括获取待识别手写图片；基于Swin Transformer建立Swin‑T编码结构，并基于所述Swin‑T编码结构对所述待识别手写图片进行特征抽取将所述当前图像特征输入至预设的设定解码器，并基于所述设定解码器获取解码器特征，其中，所述设定解码器采用3个串联的transformer；将所述解码器特征放进softmax分类器进行文字预测，并获取当前预测文字，采用SwinTransformer建立Swin‑T编码结构，通过Swin‑T编码结构，作为编码器来抽取图像的特征，有助于降低模型的计算复杂度，让特征具备全局感受野，另，利用Swin Transformer作为骨干网络
基于 swin transformer 手写文字识别方法系统

[发明专利]基于连接Swin Transformer通路的医学图像分割模型及方法-CN202210356824.7在审
发明人：辛景民;徐霁琛;蔡卓桐;武佳懿;郑南宁 -专利权人：西安交通大学
申请日： 2022-04-06 - 公布日： 2022-08-16 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了基于连接Swin Transformer通路的医学图像分割模型及方法，属于神经网络领域。发明提出的基于连接Swin Transformer通路的医学图像分割模型及方法，利用基于高效密集连接Swin Transformer通路，提高图像的分割结果。本发明的DSTUNet，是一个包含DSTB模块的UNet网络，以密集连接的Swin Transformer块作为有效通路来改善医学图像分割的多尺度长距离依赖性。其次，通过Swin Transformer层之间的密集连接，DSTUNet可以更好地利用特征信息，加强信息流的传递，以减少信息衰退。
基于连接 swin transformer 通路医学图像分割模型方法

[发明专利]一种基于Swin-Transformer的二阶光谱注意力高光谱图像超分辨率方法-CN202310015627.3在审
发明人：乔保军;许冰辉;肖一卓;林英豪;谢毅;左宪禹 -专利权人：河南大学
申请日： 2023-01-05 - 公布日： 2023-04-18 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及图像处理技术领域，具体涉及一种基于Swin‑Transformer的二阶光谱注意力高光谱图像超分辨率方法，该方法包括：获取待处理的低分辨率高光谱图像；构建Swin‑Transformer超分辨率网络模型，将低分辨率图像输入训练完成的Swin‑Transformer超分辨率网络模型中，输出重建图像；其中，Swin‑Transformer超分辨率网络模型的训练集为低分辨率图像，损失函数由原始图像与重建图像的差异得到，基于损失函数得到训练完成的Swin‑Transformer超分辨率网络模型。
一种基于 swin transformer 光谱注意力图像分辨率方法

[发明专利]一种基于自监督学习的输电线路金具检测方法-CN202310236257.6在审
发明人：张珂;周睿恒;韩槊;杜明坤;石超君 -专利权人：华北电力大学（保定）
申请日： 2023-03-13 - 公布日： 2023-08-18 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于自监督学习的输电线路金具检测方法，选取单阶段目标检测器作为基础模型架构，使用改进的Swin Transformer模型作为主干网络，引入轻量自监督学习方法，并结合高精度检测头实现高精度金具检测；在Swin Transformer原有的自注意力计算中增加下采样，减少网络计算量，并利用上采样分支恢复部分丢失下采样后的信息，实现高效特征提取，解决原Swin网络计算量较大的问题，改进后的网络称为E‑Swin(efficient Swin)；为了有效利用输电线路巡检所产生的大量图片数据，减少人为标注所消耗的资源，引入自监督学习方法，并进行轻量化改进，用于E‑Swin的无监督预训练；设计添加额外分支的检测器，
一种基于监督学习输电线路检测方法

[发明专利]一种基于改进注意力机制的金具分类检测方法-CN202310204536.4在审
发明人：张珂;赵士玮;李星宽;石超君 -专利权人：华北电力大学（保定）
申请日： 2023-03-06 - 公布日： 2023-07-18 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于改进注意力机制的金具分类检测方法，选取改进的Swin Transformer架构作为主干网络；引入基于自注意力的卷积的框架模块，利用浅层卷积网络和移动窗口多头注意机制，提取了含有丰富的金具特征信息的区域以提高目标分类的准确率；其中改进的Swin Transformer网络包含两个独立的区域，即基于自注意力的卷积和Swin Transformer。随后，基于自注意力的卷积获得的特征与经过Swin Transformer中linear embedding处理后的原始图像进行拼接，然后输入Swin Transformer来识别金具的类型，更准确的识别金具
一种基于改进注意力机制分类检测方法

[发明专利]目标检测方法及图片检测模型的训练方法-CN202210151878.X在审
发明人：张玥;徐鹏;谈晟;盛国军 -专利权人：海尔数字科技（上海）有限公司;海尔数字科技（青岛）有限公司;青岛海尔工业智能研究院有限公司
申请日： 2022-02-18 - 公布日： 2022-05-24 - 主分类号： G06V10/80 文献下载
摘要：本申请实施例提供一种目标检测方法及图片检测模型的训练方法，包括：将待检测图片输入图片检测模型中的swin网络中，通过swin网络中的线性变换模块和与线性变换模块对应的第一swin transformer模块，提取待检测图片中的多个第一特征信息，并通过swin网络中的至少一个分块合并模块以及与各分块合并模块对应的第二swin transformer模块，对多个第一特征信息进行合并与提取，得到第二特征信息
目标检测方法图片模型训练

[发明专利]基于知识蒸馏的移动端病虫害目标检测方法及移动端设备-CN202210875310.2在审
发明人：吴琪;吴云志;曾涛;乐毅;张友华;余克健;胡楠 -专利权人：安徽农业大学
申请日： 2022-07-25 - 公布日： 2022-08-26 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种基于知识蒸馏的移动端病虫害目标检测方法及移动端设备，方法包括以下步骤：步骤1、获取农作物病虫害图像作为数据集；步骤2、对数据集进行预处理；步骤3、采用Swin Transformer神经网络模型并进行训练；步骤4、将训练好的Swin Transformer神经网络模型基于知识蒸馏算法，构建Distill Swin Transformer神经网络模型；步骤5、将Distill Swin Transformer
基于知识蒸馏移动病虫害目标检测方法设备

[发明专利]一种基于图像处理的裂缝检测方法和存储介质-CN202310914403.6有效
发明人：牛伟龙;吴澄;盛洁;叶陆琴;吕景珑;钱曙杰;夏从东;吕志荣 -专利权人：苏州大学;苏州市轨道交通集团有限公司
申请日： 2023-07-25 - 公布日： 2023-09-29 - 主分类号： G06V20/00 文献下载
摘要：本发明提出的一种基于深度学习的裂缝检测方法在裂缝检测中采用Swin Mask RCNN算法，它使用了Swin Transformer作为其骨干网络。相比于以往的目标检测模型，Swin Transformer具有更好的特征提取能力和更高的表达能力，使得特征更加丰富，有助于提高裂缝检测的准确度，本发明构建的网络在Swin Transformer网络的滑窗操作之后构建了多层窗口融合模块
一种基于图像处理裂缝检测方法存储介质

[发明专利]基于Swin Transformer和ZED摄像头的多目标检测和测距方法-CN202110685876.4在审
发明人：程伟国;周伯荣;邝文腾 -专利权人：南京挥戈智能科技有限公司
申请日： 2021-06-21 - 公布日： 2021-08-27 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于Swin Transformer和ZED摄像头的多目标检测和测距方法，该方法包括以下步骤：S1、采用预设的训练超参数对SwinTransformer目标检测器进行训练，得到Swin Transformer目标检测模型；S2、利用Swin Transformer目标检测模型和ZED摄像头实现多目标的实时检测及测距。有益效果：本发明融合Swin Transformer目标检测和ZED双目测距，有效地解决了终端设备实时实现多目标检测和多目标测距的难点，相比于传统的检测和测距方法，该方法能对目标进行快速、智能化检测与提取
基于 swin transformer zed 摄像头多目标检测测距方法

[发明专利]车辆损失检测方法、装置、电子设备及存储介质-CN202110937282.8在审
发明人：康甲;刘莉红;刘玉宇 -专利权人：平安科技（深圳）有限公司
申请日： 2021-08-16 - 公布日： 2021-11-16 - 主分类号： G06K9/46 文献下载
摘要：该方法包括：获取目标图像；将目标图像输入至网络模型，网络模型的主干网络包括Swin Transformer网络主干网络用于基于Swin Transformer网络，预测目标图像的损伤位置坐标及损伤类别；本发明实施例使用Swin Transformer网络作为主干网络，相对于CNN检测方式更加精确，能够更有效的定位和识别损伤部位。采用Swin Transformer作为主干网络提取特征能够探索图像各像素间的空间信息联系以及对特征的加权选择，从而实现更好的特征提取和利用。同时Swin Transformer具备CNN的局部性、平移不变性以及残差学习等特点，因此能够在性能超越CNN方法的同时又解决了其他视觉Transformer方案中计算量繁杂、内存消耗大的问题。
车辆损失检测方法装置电子设备存储介质

[发明专利]一种基于改进的YOLOv7和Swin-Unet的异常细胞检测方法-CN202211726362.X在审
发明人：胡鹤轩;方晓杰;黄倩;杨天金;胡强;巫义锐;张晔;狄峰;胡震云;周晓军;沈勤;吕京澴 -专利权人：河海大学;玖壹叁陆零医学科技南京有限公司
申请日： 2022-12-29 - 公布日： 2023-04-14 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于改进的YOLOv7和Swin‑Unet的异常细胞检测方法，包括：收集病理细胞涂片图像，制作异常细胞检测数据集和分割数据集；搭建改进的YOLOv7模型并进行训练；搭建检测结果筛选模块，对检测网络输出图像中的细胞进行分类；搭建Swin‑Unet模型并进行训练，用于重叠细胞团图像的分割：以Unet模型为基础，针对多尺度下的细胞图像的局部关系与全局关系，引用Swin‑Transformer模块进行采样；使用改进的YOLOv7和Swin‑Unet模型进行异常细胞检测。
一种基于改进 yolov7 swin unet 异常细胞检测方法

[发明专利]一种肿瘤浸润淋巴细胞识别方法和系统-CN202211624909.5在审
发明人：李昱辰;赖自成;尹睿;童莹;陆丹;王小飞;陈德铭;彭宣嘉 -专利权人：上海药明康德新药开发有限公司
申请日： 2022-12-16 - 公布日： 2023-05-23 - 主分类号： G06F18/214 文献下载
摘要：本发明提供一种肿瘤浸润淋巴细胞识别方法和系统，构建肿瘤浸润淋巴细胞识别的训练集；构建用于训练的细胞分割网络，细胞分割网络的编码器通过Swin‑Transformer层对淋巴细胞进行特征学习，细胞分割网络的解码器通过Swin‑Transformer层对淋巴细胞分别进行形态识别学习和分类学习；把训练集输入所述细胞分割网络进行训练，得到淋巴细胞识别模型；通过淋巴细胞识别模型识别被肿瘤浸润的淋巴细胞。本发明通过由Swin‑Transformer层构成的编码器以学习淋巴细胞特征，并且由Swin‑Transformer构成的两个解码器分别学习细胞形态与细胞分类，从很大程度上提升了肿瘤浸润淋巴细胞识别的效果
一种肿瘤浸润淋巴细胞识别方法系统

[发明专利]基于Swin TransGAN的端到端深度视频压缩方法-CN202211406649.4在审
发明人：杨昊严;周明亮;尚赵伟;蒲华燕;罗均;向涛 -专利权人：重庆大学
申请日： 2022-11-10 - 公布日： 2023-01-20 - 主分类号： H04N19/42 文献下载
摘要：本发明公开了一种基于Swin TransGAN的端到端深度视频压缩方法，包括：结合上一帧的重构值对当前帧进行运动估计，得到当前帧的运动向量；使用Swin Transformer对运动向量进行运动和残差压缩；将压缩后的运动向量和上一帧的重构值输入至预先构建的StyleSwin TransGAN的生成器，生成预测帧；其中，StyleSwin TransGAN的生成器为StyleGAN和Swin Transformer本发明通过Swin Transformer提取特征，并结合StyleSwin TransGAN网络以实现更高质量的图像重构。
基于 swin transgan 端到端深度视频压缩方法

[发明专利]一种水稻生长阶段图像识别方法-CN202210494136.7在审
发明人：吴琪;吴云志;曾涛;乐毅;张友华;余克健;胡楠 -专利权人：安徽农业大学
申请日： 2022-05-05 - 公布日： 2022-07-29 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种水稻生长阶段的图像识别方法，包括以下步骤：步骤1、在实地采集和网上采集水稻图片作为数据集；步骤2、将数据集分为训练集和测试集，并进行预处理和数据增强；步骤3、构建ODRL‑Swin Transformer模型；步骤4、通过训练设置ODRL‑Swin Transformer模型的配置参数为所述最优配置参数，步骤5、由ODRL‑Swin Transformer模型输出最终的水稻预测识别结果。
一种水稻生长阶段图像识别方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
下一页»
尾页
共 270 条