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(biāo)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)
  • 本申請公開了一種基于多相機(jī)同步采集與神經(jīng)輻射場的植物三維重建和器官分割方法、設(shè)備、介質(zhì)和產(chǎn)品，涉及圖像處理技術(shù)領(lǐng)域，該方法包括：采用多相機(jī)同步采集植物的多視角圖像；對所述多視角圖像進(jìn)行二維圖像分割，得到像素的語義標(biāo)簽并構(gòu)建Tiff圖像；采用...
  • 本發(fā)明公布了一種基于單張全景圖像的新視角合成三維重建方法及系統(tǒng)，包括串行連接的全景圖轉(zhuǎn)化網(wǎng)格模塊、網(wǎng)格補(bǔ)全模塊和網(wǎng)格轉(zhuǎn)化三維高斯場模塊；從單個位置的任意相機(jī)捕獲的全景圖像中生成全景圖像。包括首先從輸入的全景圖像構(gòu)建初步網(wǎng)格，然后通過全景補(bǔ)全...
  • 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(jìn)行分組處理，得到多個圖像對，圖像序列包括多個未標(biāo)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...
  • 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(jìn)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(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)檢測模型，目標(biāo)檢測模型包括ESRGAN網(wǎng)絡(luò)、改進(jìn)Transformer...
  • 本申請公開了一種針對圖像的跨域目標(biāo)檢測模型的訓(xùn)練方法及裝置和跨域目標(biāo)檢測方法。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，對第一特征圖中的注意力權(quán)重進(jìn)行調(diào)整，...
  • 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)整大小；(2)對腫瘤圖像進(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(biāo)進(jìn)行零件姿態(tài)感知，利用零件姿態(tài)信息...
  • 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(biāo)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(jī)制，有效利用未標(biāo)注數(shù)據(jù)，提升了模型對...
  • 本發(fā)明公開一種基于開放詞匯目標(biāo)檢測技術(shù)的半監(jiān)督目標(biāo)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(jìn)行檢測獲得預(yù)標(biāo)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)，計算重構(gòu)損失；提取樣...
  • 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(jìn)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...
  • 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...
  • 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(jìn)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(jìn)行訓(xùn)練，獲得已訓(xùn)練的多模態(tài)大模型，多模態(tài)大模型報包括圖像編碼器、適配器以及大語言模...
  • 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：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)...
  • 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(biāo)主...
首頁 上一頁 89 下一頁
技術(shù)分類
主站蜘蛛池模板： 乐至县| 韶关市| 罗山县| 井陉县| 江口县| 贺兰县| 舒兰市| 新邵县| 二手房| 泉州市| 孟津县| 揭东县| 佛冈县| 盐亭县| 宾阳县| 海阳市| 于都县| 洞头县| 阿巴嘎旗| 鹰潭市| 九江市| 松阳县| 土默特左旗| 崇州市| 焦作市| 武义县| 卓资县| 乌什县| 城步| 陕西省| 嘉鱼县| 莱芜市| 迭部县| 工布江达县| 会泽县| 远安县| 乌拉特前旗| 都江堰市| 咸宁市| 大宁县| 武胜县|