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)公開(kāi)了一種乘員損傷檢測(cè)方法、裝置、電子設(shè)備、車輛、介質(zhì)及產(chǎn)品，涉及車輛技術(shù)領(lǐng)域，其中，方法包括：在檢測(cè)到車輛發(fā)生碰撞的情況下，獲取第一圖像，第一圖像是通過(guò)設(shè)置在車輛內(nèi)部的攝像頭采集的；對(duì)第一圖像進(jìn)行分析，確定乘員的第一接觸部位與車輛的...
  • 本發(fā)明提供了一種多模態(tài)全類別鐵路障礙物入侵檢測(cè)方法。該方法包括：獲取軌道交通周界各路段的視頻圖像，對(duì)于視頻圖像進(jìn)行解碼分析，將視頻圖像拆解為連續(xù)視頻幀，將視頻幀輸送到特征提取模塊中；特征提取模塊采用Rail?IDET算法對(duì)視頻幀進(jìn)行特征提取...
  • 本發(fā)明公開(kāi)了基于視頻深度學(xué)習(xí)的內(nèi)鏡管道內(nèi)壁裂隙自動(dòng)識(shí)別系統(tǒng)，涉及管道檢測(cè)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(shí)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(dòng)內(nèi)鏡裝置采集管道內(nèi)圖像，其多輪驅(qū)動(dòng)...
  • 本發(fā)明公開(kāi)了一種基于跨域檢測(cè)的無(wú)人機(jī)航拍圖像中光伏組件識(shí)別方法及系統(tǒng)，將光伏組件的無(wú)人機(jī)航拍圖像和衛(wèi)星遙感影像作為目標(biāo)域和源域，從目標(biāo)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(guò)距離度量使共性特征接近且非共性特征遠(yuǎn)離，將分類器作...
  • 本發(fā)明實(shí)施例公開(kāi)了一種基于高光譜圖像的設(shè)備狀態(tài)檢測(cè)方法、裝置、設(shè)備及存儲(chǔ)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(biāo)主...
  • 一種基于深度學(xué)習(xí)的巖石微裂紋識(shí)別檢測(cè)方法，屬于地質(zhì)資源與地質(zhì)工程中巖石微裂紋檢測(cè)與識(shí)別技術(shù)領(lǐng)域，通過(guò)集成多尺度特征預(yù)提取模塊（MFP）、編碼器空間級(jí)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(cè)精度，減少了誤檢和漏檢...
  • 本發(fā)明涉及水下機(jī)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(jī)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(kù)：S2、標(biāo)準(zhǔn)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(qǐng)公開(kāi)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(wèn)詢信息的訓(xùn)練樣本，基于訓(xùn)練樣本對(duì)待訓(xùn)練的多模態(tài)大模型進(jìn)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(bào)包括圖像編碼器、適配器以及大語(yǔ)言模...
  • 本申請(qǐng)的實(shí)施例公開(kāi)了一種模型訓(xùn)練及信號(hào)檢測(cè)方法、裝置、介質(zhì)及電子設(shè)備，涉及信號(hào)處理技術(shù)領(lǐng)域，本申請(qǐng)訓(xùn)練基于深度學(xué)習(xí)的信號(hào)檢測(cè)模型來(lái)實(shí)現(xiàn)信號(hào)的檢測(cè)，通過(guò)圖像識(shí)別進(jìn)行檢測(cè)來(lái)避開(kāi)電磁環(huán)境與信噪的影響，以提升信號(hào)檢測(cè)識(shí)別的正確性，通過(guò)收集描述信號(hào)I...
  • 本發(fā)明涉及一種基于邊緣計(jì)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(jì)算模塊、數(shù)據(jù)融合與決策模塊、觸發(fā)激活模塊、情緒識(shí)別模塊、交互響應(yīng)模塊及行為預(yù)測(cè)模塊，通過(guò)高分辨率攝像頭、麥克風(fēng)陣列和紅外傳感器采集...
  • 針對(duì)復(fù)雜背景下僅靠可見(jiàn)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(duì)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(jiàn)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(kāi)了基于多視角特征融合的腦膠質(zhì)瘤分級(jí)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(guò)分類器進(jìn)行分級(jí)處理四個(gè)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(shí)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(qiáng)和圖像重構(gòu)的電力設(shè)備缺陷分類方法，涉及機(jī)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(duì)支持集的樣本特征進(jìn)行特征增強(qiáng)，然后添加掩碼并進(jìn)行重構(gòu)，計(jì)算重構(gòu)損失；提取樣...
  • 本發(fā)明公開(kāi)一種基于開(kāi)放詞匯目標(biāo)檢測(cè)技術(shù)的半監(jiān)督目標(biāo)檢測(cè)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(guò)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(jìn)行檢測(cè)獲得預(yù)標(biāo)注檢測(cè)框；根據(jù)需要檢測(cè)的類別構(gòu)建典型樣本庫(kù)，采用大型無(wú)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(shuō)是一種通過(guò)結(jié)合空間和時(shí)間結(jié)構(gòu)信息，有效提高了在標(biāo)注數(shù)據(jù)有限的情況下對(duì)醫(yī)療圖像的分類精度的基于時(shí)空結(jié)構(gòu)一致性的半監(jiān)督圖像分類方法，相對(duì)于現(xiàn)有技術(shù)，通過(guò)引入時(shí)空結(jié)構(gòu)一致性機(jī)制，有效利用未標(biāo)注數(shù)據(jù)，提升了模型對(duì)...
  • 本發(fā)明公開(kāi)了一種基于圖像識(shí)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(duì)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(guò)顏色篩選與濾波，實(shí)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(kāi)了一種基于亞像素邊緣搜索的零件幾何參數(shù)檢測(cè)方法及系統(tǒng)，涉及數(shù)字化測(cè)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(jí)粗定位點(diǎn)；基于Zernike矩計(jì)算零件邊緣的亞像素坐標(biāo)進(jìn)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(biāo)簽并調(diào)整大?。?2)對(duì)腫瘤圖像進(jìn)行Z?Score標(biāo)準(zhǔn)化和隨機(jī)旋轉(zhuǎn)進(jìn)行圖像增強(qiáng)，并按照7：2：1的比例劃分訓(xùn)練集...
  • 本申請(qǐng)公開(kāi)了一種針對(duì)圖像的跨域目標(biāo)檢測(cè)模型的訓(xùn)練方法及裝置和跨域目標(biāo)檢測(cè)方法。該訓(xùn)練方法包括：獲取源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)；將源域數(shù)據(jù)和目標(biāo)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(duì)第一特征圖中的注意力權(quán)重進(jìn)行調(diào)整，...
  • 本發(fā)明公開(kāi)了一種紅外圖像光伏組件熱斑缺陷識(shí)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(biāo)注邊界框的光伏組件紅外圖像數(shù)據(jù)集；構(gòu)建目標(biāo)檢測(cè)模型，目標(biāo)檢測(cè)模型包括ESRGAN網(wǎng)絡(luò)、改進(jìn)Transformer...
首頁(yè) 上一頁(yè) 85 下一頁(yè)
技術(shù)分類
主站蜘蛛池模板： 乃东县| 江城| 满洲里市| 西昌市| 华坪县| 汤原县| 阳信县| 越西县| 邮箱| 临沭县| 宝兴县| 绥江县| 南郑县| 宝应县| 孟州市| 东明县| 卢湾区| 铜山县| 左云县| 温州市| 呼伦贝尔市| 金阳县| 浙江省| 依兰县| 涿州市| 天祝| 余庆县| 文昌市| 扶沟县| 辽宁省| 黔西| 大邑县| 湖口县| 吐鲁番市| 镇巴县| 闽侯县| 澳门| 贺兰县| 哈密市| 龙口市| 图片|