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(dòng)滑塊完成拼圖
首頁(yè) 專利交易 科技果 科技人才 科技服務(wù) 國(guó)際服務(wù) 商標(biāo)交易 會(huì)員權(quán)益 IP管家助手 需求市場(chǎng) 關(guān)于龍圖騰
 /  免費(fèi)注冊(cè)
到頂部 到底部
清空 搜索
  • 我要求購(gòu)
  • 我要出售
最新專利技術(shù)
  • 本申請(qǐng)實(shí)施例中公開了一種動(dòng)脈異常情況檢測(cè)裝置、電子設(shè)備和存儲(chǔ)介質(zhì)。其中，裝置包括：影像獲取模塊，用于獲取包含動(dòng)脈的影像；圖像分割模塊，用于從影像中分割出動(dòng)脈區(qū)域；位置確定模塊，用于從動(dòng)脈區(qū)域中確定動(dòng)脈的中心線以及中心線上每個(gè)位置的橫截面；直...
  • 本申請(qǐng)?zhí)峁┝艘环N基于激光雷達(dá)的綜采面煤流大塊檢測(cè)方法、裝置和電子設(shè)備，方法包括：基于激光雷達(dá)獲取刮板機(jī)上待檢測(cè)煤流的點(diǎn)云數(shù)據(jù)；對(duì)所述點(diǎn)云數(shù)據(jù)進(jìn)行坐標(biāo)系轉(zhuǎn)換，獲取目標(biāo)點(diǎn)云數(shù)據(jù)；將所述目標(biāo)點(diǎn)云數(shù)據(jù)輸入至預(yù)訓(xùn)練的大塊煤檢測(cè)模型中，獲取所述待檢測(cè)煤...
  • 本發(fā)明公開了一種基于深度學(xué)習(xí)的停機(jī)坪翼尖沖突實(shí)時(shí)檢測(cè)方法及系統(tǒng)，涉及停機(jī)坪安全技術(shù)領(lǐng)域，包括：采集不同型號(hào)飛機(jī)的若干張?jiān)紭颖緢D像并對(duì)關(guān)鍵點(diǎn)進(jìn)行標(biāo)注，對(duì)標(biāo)注后的樣本圖像進(jìn)行預(yù)處理并劃分為訓(xùn)練集和驗(yàn)證集；基于YOLO算法構(gòu)建初始飛機(jī)檢測(cè)模型并...
  • 本發(fā)明公開了一種NDVI產(chǎn)品配準(zhǔn)方法、裝置及計(jì)算機(jī)系統(tǒng)，解決了不同時(shí)間和空間的NDVI產(chǎn)品的拼接與配準(zhǔn)問(wèn)題，包含：對(duì)時(shí)空瓦片影像進(jìn)行質(zhì)量檢查，剔除云量超過(guò)閾值、不滿幅和無(wú)近紅外波段的瓦片；利用質(zhì)量檢查后的瓦片影像的近紅外波段和紅波段計(jì)算ND...
  • 本發(fā)明涉及標(biāo)定技術(shù)領(lǐng)域，具體涉及標(biāo)定模板提取方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。獲取待提取標(biāo)定圖像；對(duì)待提取標(biāo)定圖像進(jìn)行識(shí)別，確定待提取標(biāo)定圖像對(duì)應(yīng)的標(biāo)定中心點(diǎn)，從而不需要用戶人為確定待提取標(biāo)定圖像對(duì)應(yīng)的標(biāo)定中心點(diǎn)。基于標(biāo)定中心點(diǎn)，生成目標(biāo)標(biāo)定...
  • 本發(fā)明提供了一種支架植入位置識(shí)別方法、裝置、電子設(shè)備及介質(zhì)，方法包括獲取多個(gè)支架植入手術(shù)時(shí)的醫(yī)療圖像，并對(duì)醫(yī)療圖像進(jìn)行標(biāo)注，以構(gòu)造數(shù)據(jù)集；構(gòu)建支架位置識(shí)別模型，所述支架位置識(shí)別模型包括雙分支骨干網(wǎng)絡(luò)、Neck網(wǎng)絡(luò)以及檢測(cè)識(shí)別模塊；基于所述數(shù)...
  • 本申請(qǐng)?zhí)峁┝藗鞲衅鳂?biāo)定方法、機(jī)器人、存儲(chǔ)介質(zhì)、設(shè)備和程序產(chǎn)品，用于對(duì)機(jī)器人上的包括圖像傳感器和/或激光傳感器在內(nèi)的多個(gè)傳感器進(jìn)行標(biāo)定，所述方法包括：接收標(biāo)定空間在真值坐標(biāo)系下的對(duì)應(yīng)圖像傳感器和/或激光傳感器的真值數(shù)據(jù)；利用第一傳感器感知標(biāo)定...
  • 本發(fā)明實(shí)施例公開了一種相機(jī)外參標(biāo)定方法、裝置、設(shè)備、介質(zhì)及程序產(chǎn)品。包括：獲取每個(gè)待標(biāo)定相機(jī)對(duì)相機(jī)標(biāo)定場(chǎng)地進(jìn)行圖像采集得到的圖像幀集合；由各圖像幀集合中提取每個(gè)待標(biāo)定相機(jī)對(duì)應(yīng)的標(biāo)定角點(diǎn)信息，并根據(jù)各標(biāo)定角點(diǎn)信息以及各待標(biāo)定相機(jī)的相機(jī)內(nèi)參確定...
  • 本公開提供了渲染網(wǎng)絡(luò)的訓(xùn)練方法、渲染方法及相關(guān)裝置，涉及人工智能技術(shù)領(lǐng)域，尤其涉及計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)等技術(shù)領(lǐng)域，可應(yīng)用于基于人工智能的內(nèi)容生成等場(chǎng)景。具體實(shí)現(xiàn)方案為：基于三維高斯渲染網(wǎng)絡(luò)的球形深度估計(jì)網(wǎng)絡(luò)處理參考視圖和源視圖，得到參考視圖...
  • 一種不可移動(dòng)文物模型快速生產(chǎn)及高清紋理移形再映射方法，所述方法包括以下步驟：獲取預(yù)先建立的不帶有表面碎片化紋理特征的關(guān)于目標(biāo)文物的第一模型；其中，第一模型的模型構(gòu)造精度不低于預(yù)設(shè)的模型精度要求；獲取預(yù)先建立的關(guān)于目標(biāo)文物的第二模型；其中，第...
  • 本申請(qǐng)?zhí)峁┝艘环N三維圖像渲染方法及系統(tǒng)，所述方法應(yīng)用于web圖像處理器，所述方法包括：獲取待渲染三維圖像的場(chǎng)景信息和紋理坐標(biāo)信息，確定所述待渲染三維圖像的第一特征信息和第二特征信息；基于所述待渲染三維圖像的第一特征信息，確定所述待渲染圖像的...
  • 本發(fā)明公開了一種基于頻域卷積的纖維狀結(jié)構(gòu)三維方向方差的快速定量表征方法，用于生物組織纖維狀結(jié)構(gòu)的光學(xué)圖像的量化分析。本發(fā)明可實(shí)現(xiàn)像素級(jí)分辨水平的纖維狀結(jié)構(gòu)的三維方向方差的快速定量表征，具有高精度和高準(zhǔn)確率；本發(fā)明使用頻域卷積的方法取代逐點(diǎn)相...
  • 本申請(qǐng)涉及一種點(diǎn)云數(shù)據(jù)采集方法，其包括：獲取無(wú)構(gòu)件的背景圖像和構(gòu)件圖像，構(gòu)件圖像包括對(duì)構(gòu)件拍攝的多張視角圖像；基于背景圖像和構(gòu)件圖像獲得圖像數(shù)據(jù)，圖像數(shù)據(jù)包括構(gòu)件的多張視角圖像對(duì)應(yīng)的多個(gè)分割掩碼；采用冗余信息移除方法對(duì)構(gòu)件圖像和圖像數(shù)據(jù)進(jìn)行...
  • 本發(fā)明提供了一種符合厚度分布信息的薄煤層三維地質(zhì)建模方法，該方法在構(gòu)建薄煤層三維地質(zhì)模型的過(guò)程中，綜合利用了鉆探、物探、寫實(shí)等數(shù)據(jù)且充分利用已知的厚度數(shù)據(jù)采取空間插值方式保證了構(gòu)建的薄煤層三維模型厚度分布與已知數(shù)據(jù)分布一致，同時(shí)能匹配可采線...
  • 本發(fā)明公開了一種基于沉積模擬的三維地質(zhì)體模型構(gòu)建方法，包括以下步驟：S1：數(shù)據(jù)采集：收集目標(biāo)區(qū)域的多種地質(zhì)數(shù)據(jù)，包括但不限于鉆孔數(shù)據(jù)、地震勘探數(shù)據(jù)、地質(zhì)圖、古水流方向數(shù)據(jù)等；對(duì)收集到的數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)數(shù)據(jù)質(zhì)量檢查，剔除錯(cuò)誤或異常數(shù)據(jù)；S2...
  • 本發(fā)明提供一種基于機(jī)器視覺(jué)的實(shí)時(shí)檢測(cè)無(wú)人機(jī)載荷裝配質(zhì)量的方法，屬于無(wú)人機(jī)裝配技術(shù)領(lǐng)域；包括如下步驟；S1、使用數(shù)據(jù)采集系統(tǒng)獲取待檢測(cè)的無(wú)人機(jī)裝配數(shù)據(jù)；S2、使用處理器，對(duì)進(jìn)行訓(xùn)練、測(cè)試的視頻和圖像數(shù)據(jù)進(jìn)行預(yù)處理；S3、使用Yolov5算法框...
  • 本申請(qǐng)?zhí)岢鲆环N基于神經(jīng)網(wǎng)絡(luò)的典型目標(biāo)識(shí)別方法，屬于目標(biāo)識(shí)別與圖像處理技術(shù)領(lǐng)域。該方法通過(guò)大量的數(shù)據(jù)集訓(xùn)練和優(yōu)化模型，能夠準(zhǔn)確地識(shí)別出典型裝備和建筑目標(biāo)的特征和屬性，為目標(biāo)的分類、識(shí)別和分析提供了基礎(chǔ)，使得系統(tǒng)能夠在實(shí)際應(yīng)用中實(shí)現(xiàn)對(duì)典型裝備和...
  • 本發(fā)明提出了一種基于改進(jìn)的圖卷積神經(jīng)網(wǎng)絡(luò)的圖文對(duì)匹配方法，在原方法利用卷積神經(jīng)網(wǎng)絡(luò)提取圖片數(shù)據(jù)，TextMlp提取文字?jǐn)?shù)據(jù)的基礎(chǔ)上，引入圖卷積神經(jīng)網(wǎng)絡(luò)進(jìn)一步探索特征與特征之間的關(guān)系；由于一張圖片和描述其內(nèi)容的文字可能含有不只有一個(gè)標(biāo)簽，將L...
  • 本發(fā)明公開了一種基于深度強(qiáng)化學(xué)習(xí)的視覺(jué)刺激多分類方法與系統(tǒng)，本發(fā)明從EEG信號(hào)角度，以EEG信號(hào)為樣本，通過(guò)深層長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)編碼時(shí)變視覺(jué)特征，并將時(shí)間段的選擇刻畫為一個(gè)馬爾科夫決策過(guò)程，通過(guò)深度強(qiáng)化學(xué)習(xí)算法實(shí)現(xiàn)時(shí)間段的自主選擇，聚合特征的...
  • 本申請(qǐng)公開了一種圖像處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，屬于圖像處理技術(shù)領(lǐng)域。所述方法包括：對(duì)輸入圖像中的對(duì)象執(zhí)行異常檢測(cè)，得到第一異常分?jǐn)?shù)，第一異常分?jǐn)?shù)用于指示輸入圖像中存在異常對(duì)象的可能性；在第一異常分?jǐn)?shù)大于或等于第一閾值的情況下，獲取輸入...
首頁(yè) 上一頁(yè) 102 下一頁(yè)
技術(shù)分類
主站蜘蛛池模板： 同心县| 新平| 全椒县| 上林县| 东明县| 溧水县| 南开区| 乐安县| 芦山县| 肥西县| 洪雅县| 长白| 句容市| 孝昌县| 临洮县| 互助| 沅江市| 紫金县| 炎陵县| 遂平县| 平度市| 鲁山县| 兴国县| 青州市| 宣武区| 南涧| 陆河县| 侯马市| 馆陶县| 彭水| 剑川县| 乐业县| 莱西市| 伊宁市| 石阡县| 灵川县| 天气| 通海县| 潮州市| 鹤岗市| 苗栗县|