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
首頁 專利交易 科技果 科技人才 科技服務(wù) 國際服務(wù) 商標交易 會員權(quán)益 IP管家助手 需求市場 關(guān)于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
最新專利技術(shù)
  • 本發(fā)明公開了基于視頻深度學(xué)習(xí)的內(nèi)鏡管道內(nèi)壁裂隙自動識別系統(tǒng)，涉及管道檢測技術(shù)領(lǐng)域，本發(fā)明包括圖像獲取模塊、圖像預(yù)處理模塊、管道內(nèi)壁模型建立模塊、深度學(xué)習(xí)識別模塊及結(jié)果輸出模塊；圖像獲取模塊，用于利用自主移動內(nèi)鏡裝置采集管道內(nèi)圖像，其多輪驅(qū)動...
  • 本發(fā)明公開了一種基于跨域檢測的無人機航拍圖像中光伏組件識別方法及系統(tǒng)，將光伏組件的無人機航拍圖像和衛(wèi)星遙感影像作為目標域和源域，從目標域和源域數(shù)據(jù)集分別選取圖像提取共性特征與非共性特征，通過距離度量使共性特征接近且非共性特征遠離，將分類器作...
  • 本發(fā)明實施例公開了一種基于高光譜圖像的設(shè)備狀態(tài)檢測方法、裝置、設(shè)備及存儲介質(zhì)，其中該方法包括：使用電力設(shè)備的高光譜圖像數(shù)據(jù)，基于不同深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練確定出每一種深度神經(jīng)網(wǎng)絡(luò)的主成分組合；根據(jù)所述主成分組合的圖像的重建效果，確定降維后的目標主...
  • 一種基于深度學(xué)習(xí)的巖石微裂紋識別檢測方法，屬于地質(zhì)資源與地質(zhì)工程中巖石微裂紋檢測與識別技術(shù)領(lǐng)域，通過集成多尺度特征預(yù)提取模塊（MFP）、編碼器空間級聯(lián)編碼路徑（ESCE）和解碼器輸入SE模塊，大幅提升了巖石微裂紋的檢測精度，減少了誤檢和漏檢...
  • 本發(fā)明涉及水下機器人聲吶數(shù)據(jù)處理技術(shù)領(lǐng)域，具體為一種基于卷積自編碼器的水下機器人聲吶數(shù)據(jù)處理方法及裝置，包括以下步驟：S1、搭建數(shù)據(jù)庫：S2、標準化處理：S3、構(gòu)建卷積自編碼器模塊：S4、訓(xùn)練預(yù)處理網(wǎng)絡(luò)：S5、提取特征并降噪；S6、輸出數(shù)據(jù)...
  • 本申請公開了一種多模態(tài)大模型的訓(xùn)練方法、圖文翻譯方法以及裝置，確定包括訓(xùn)練文本、翻譯文本、訓(xùn)練圖像以及問詢信息的訓(xùn)練樣本，基于訓(xùn)練樣本對待訓(xùn)練的多模態(tài)大模型進行訓(xùn)練，獲得已訓(xùn)練的多模態(tài)大模型，多模態(tài)大模型報包括圖像編碼器、適配器以及大語言模...
  • 本申請的實施例公開了一種模型訓(xùn)練及信號檢測方法、裝置、介質(zhì)及電子設(shè)備，涉及信號處理技術(shù)領(lǐng)域，本申請訓(xùn)練基于深度學(xué)習(xí)的信號檢測模型來實現(xiàn)信號的檢測，通過圖像識別進行檢測來避開電磁環(huán)境與信噪的影響，以提升信號檢測識別的正確性，通過收集描述信號I...
  • 本發(fā)明涉及一種基于邊緣計算的多模態(tài)數(shù)字員工接待系統(tǒng)及方法，涉及人工智能技術(shù)領(lǐng)域，包括多模態(tài)數(shù)據(jù)采集模塊、邊緣計算模塊、數(shù)據(jù)融合與決策模塊、觸發(fā)激活模塊、情緒識別模塊、交互響應(yīng)模塊及行為預(yù)測模塊，通過高分辨率攝像頭、麥克風(fēng)陣列和紅外傳感器采集...
  • 針對復(fù)雜背景下僅靠可見光圖像難以提取有效特征、易受周圍環(huán)境、干擾物影響等難題，本發(fā)明提出一種基于特征對齊融合的雙波段圖像描述生成方法。本發(fā)明網(wǎng)絡(luò)模型首先將輸入的可見區(qū)域和紅外網(wǎng)格特征傳入融合位置注意模塊和FFN分別獲得融合位置特征；然后，利...
  • 本發(fā)明公開了基于多視角特征融合的腦膠質(zhì)瘤分級混合網(wǎng)絡(luò)的組建方法，包括數(shù)據(jù)預(yù)處理、特征提取、多視角特征融合和將得到的特征通過分類器進行分級處理四個步驟；能夠平衡全局感受野和歸納偏置，結(jié)合了全局和局部多尺度、多粒度特征，同時平衡了全局感受野和歸...
  • 本發(fā)明提出了一種基于置信增強和圖像重構(gòu)的電力設(shè)備缺陷分類方法，涉及機器學(xué)習(xí)技術(shù)領(lǐng)域，包括：將采集到的圖像數(shù)據(jù)樣本劃分為支持集和查詢集，并輸入特征提取器獲取樣本特征；對支持集的樣本特征進行特征增強，然后添加掩碼并進行重構(gòu)，計算重構(gòu)損失；提取樣...
  • 本發(fā)明公開一種基于開放詞匯目標檢測技術(shù)的半監(jiān)督目標檢測方法，具體包括如下步驟：預(yù)設(shè)相關(guān)提示詞，將相關(guān)提示詞與經(jīng)過前處理的圖片數(shù)據(jù)輸入到預(yù)訓(xùn)練后的OVD網(wǎng)絡(luò)中進行檢測獲得預(yù)標注檢測框；根據(jù)需要檢測的類別構(gòu)建典型樣本庫，采用大型無監(jiān)督自編碼模型...
  • 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體的說是一種通過結(jié)合空間和時間結(jié)構(gòu)信息，有效提高了在標注數(shù)據(jù)有限的情況下對醫(yī)療圖像的分類精度的基于時空結(jié)構(gòu)一致性的半監(jiān)督圖像分類方法，相對于現(xiàn)有技術(shù)，通過引入時空結(jié)構(gòu)一致性機制，有效利用未標注數(shù)據(jù)，提升了模型對...
  • 本發(fā)明公開了一種基于圖像識別算法調(diào)諧光纖鎖模激光的方法及系統(tǒng)，涉及光纖激光器鎖模技術(shù)領(lǐng)域，包括：對光譜儀圖像預(yù)處理；RGB顏色空間的光譜圖像轉(zhuǎn)換至HSV顏色空間，通過顏色篩選與濾波，實現(xiàn)光譜曲線與圖像背景分離；建立基于圖像線性變換的全連接神...
  • 本發(fā)明公開了一種基于亞像素邊緣搜索的零件幾何參數(shù)檢測方法及系統(tǒng)，涉及數(shù)字化測量技術(shù)領(lǐng)域，包括：采集零件圖像，提取零件圖像的感興趣區(qū)域，獲取零件邊緣像素級粗定位點；基于Zernike矩計算零件邊緣的亞像素坐標進行零件姿態(tài)感知，利用零件姿態(tài)信息...
  • 本發(fā)明提供了基于多尺度、多任務(wù)融合UNet模型的精確乳腺腫瘤分割方法，包括以下步驟：(1)獲取原始腫瘤醫(yī)學(xué)圖像以及相應(yīng)的腫瘤區(qū)域標簽并調(diào)整大??；(2)對腫瘤圖像進行Z?Score標準化和隨機旋轉(zhuǎn)進行圖像增強，并按照7：2：1的比例劃分訓(xùn)練集...
  • 本申請公開了一種針對圖像的跨域目標檢測模型的訓(xùn)練方法及裝置和跨域目標檢測方法。該訓(xùn)練方法包括：獲取源域數(shù)據(jù)和目標域數(shù)據(jù)；將源域數(shù)據(jù)和目標域數(shù)據(jù)輸入到深度學(xué)習(xí)網(wǎng)絡(luò)，得到第一特征圖；基于跨通道交叉注意力策略，對第一特征圖中的注意力權(quán)重進行調(diào)整，...
  • 本發(fā)明公開了一種紅外圖像光伏組件熱斑缺陷識別方法、裝置、設(shè)備及介質(zhì)，涉及深度學(xué)習(xí)技術(shù)領(lǐng)域。該方法包括：獲取帶有光伏組件熱斑缺陷標注邊界框的光伏組件紅外圖像數(shù)據(jù)集；構(gòu)建目標檢測模型，目標檢測模型包括ESRGAN網(wǎng)絡(luò)、改進Transformer...
  • 本發(fā)明公開了一種基于可變形隱式光傳輸函數(shù)的自適應(yīng)表示與動態(tài)繪制方法和裝置，包括以下步驟：對場景進行物體組劃分，并計算物體組間的隱式影響，基于隱式影響計算面向各物體組的場景表示，其中每個物體組至少包含一個物體；依據(jù)各物體組的場景表示計算各物體...
  • 本發(fā)明提供了一種三維高斯噴濺重建方法及相關(guān)設(shè)備，所述方法包括：對獲取的圖像序列進行分組處理，得到多個圖像對，圖像序列包括多個未標定姿態(tài)的圖像，多個圖像對中任一圖像對包括圖像序列中的兩個圖像；基于多個圖像對確定的成對點圖和成對點圖關(guān)聯(lián)的置信圖...
首頁 上一頁 125 下一頁
技術(shù)分類
主站蜘蛛池模板： 阳城县| 祁连县| 余姚市| 高碑店市| 西吉县| 麻栗坡县| 永新县| 合作市| 天镇县| 镇平县| 城口县| 独山县| 南木林县| 黑山县| 东平县| 扶绥县| 陕西省| 西宁市| 三台县| 古丈县| 华蓥市| 遂平县| 商丘市| 铜山县| 厦门市| 普兰店市| 原阳县| 海阳市| 建始县| 二连浩特市| 甘谷县| 香格里拉县| 昌平区| 安康市| 尼玛县| 娄底市| 兴和县| 山丹县| 乌拉特中旗| 漠河县| 弥渡县|