国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 IP管家助手 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 數據空間研究院吳昊獲國家專利權

數據空間研究院吳昊獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網獲悉數據空間研究院申請的專利自適應多尺度特征融合AMFFD-Net的SAR圖像去噪網絡方法及系統獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN117726537B

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202311727931.7,技術領域涉及:G06T5/70;該發明授權自適應多尺度特征融合AMFFD-Net的SAR圖像去噪網絡方法及系統是由吳昊;岳華;聶明宇;胡紫珊;凌未;汪瑜;闞宏偉設計研發完成,并于2023-12-14向國家知識產權局提交的專利申請。

自適應多尺度特征融合AMFFD-Net的SAR圖像去噪網絡方法及系統在說明書摘要公布了:本發明提供自適應多尺度特征融合AMFFD?Net的SAR圖像去噪網絡方法及系統,方法包括:數據集準備;數據預處理;構建自適應多尺度特征融合模型AMFFD?Net,處理得到并輸出去噪SAR圖像;自適應多尺度特征融合模型AMFFD?Net包括:噪聲估計模塊、非對稱卷積模塊、自適應特征選擇模塊、ReLU激活模塊、多尺度特征融合模塊、SE注意力模塊、級聯塊以及深度殘差學習模塊。本發明解決了細節和紋理保留不足、邊緣和結構模糊、高頻信息處理不佳、自適應能力有限以及泛化能力弱的技術問題。

本發明授權自適應多尺度特征融合AMFFD-Net的SAR圖像去噪網絡方法及系統在權利要求書中公布了:1.自適應多尺度特征融合AMFFD-Net的SAR圖像去噪網絡方法,其特征在于,所述方法包括:S1、收集并預處理SAR圖像,據以生成帶噪聲、無噪聲圖像對,以構建訓練集、驗證集;S2、構建自適應多尺度特征融合模型AMFFD-Net,其中,所述自適應多尺度特征融合模型AMFFD-Net包括:噪聲估計模塊、非對稱卷積模塊、自適應特征選擇模塊、ReLU激活模塊、多尺度特征融合模塊、SE注意力模塊、級聯塊以及深度殘差學習模塊;S3、利用所述噪聲估計模塊估計所述SAR圖像噪聲,以得到去噪特征;利用所述非對稱卷積模塊進行非對稱卷積操作,以從所述SAR圖像中提取卷積特征;利用所述自適應特征選擇模塊,根據所述卷積特征,選取相關性特征;利用所述ReLU激活模塊,將預置ReLU激活函數應用至所述相關性特征,據以處理得到多尺度特征;利用所述多尺度特征融合模塊,融合所述多尺度特征,以得到融合特征;利用所述SE注意力模塊,使用預置注意力機制抑制所述融合特征中的不相關特征,得到SAR融合增強特征;利用所述級聯塊進行卷積操作,以學習所述SAR融合增強特征中的殘差信息;利用所述深度殘差學習模塊,根據所述殘差信息進行深度殘差學習,以對所述SAR融合增強特征進行精細化處理,得到SAR精細化特征;利用預置特征反饋回路,反饋所述SAR精細化特征至所述深度殘差學習模塊,以循環進行所述精細化處理,據以得到并輸出去噪SAR圖像。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人數據空間研究院,其通訊地址為:230088 安徽省合肥市高新區柏堰科技園創新大道288號工投高新智谷B區;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 昌图县| 双鸭山市| 鹤岗市| 改则县| 黔江区| 五大连池市| 夹江县| 昌乐县| 五家渠市| 增城市| 宜兰县| 延长县| 伊春市| 高雄县| 平武县| 左云县| 临海市| 汉源县| 黄龙县| 黎城县| 龙游县| 梅州市| 静海县| 辉县市| 垫江县| 察雅县| 盐池县| 连南| 博客| 中西区| 阿拉善盟| 江阴市| 双辽市| 饶河县| 鹿泉市| 江川县| 稻城县| 乐陵市| 醴陵市| 娄底市| 庆元县|