一种基于一维残差卷积神经网络的脑电信号去噪方法，由选取脑电样本、构建含噪脑电信号样本、划分网络训练集和测试集、构建一维残差卷积神经网络、训练一维残差卷积神经网络、重建去噪脑电信号步骤组成。本发明构建了一个由残差网络连接组成的一维残差卷积神经网络，引入卷积层和激活层，增强了神经网络的学习能力，建立起噪声信号到脑信号的准确映射，实时去噪，卷积层后的激活层用线性整流单元层函数，将小于0的神经元去掉，筛选出有效的特征，避免了梯度爆炸的缺陷；将信号去噪分为模型训练和去噪过程，提高了信号去噪的信噪比和均方根误差,减少了去噪时间，提升了脑电信号去噪的效率和质量，可用于信号处理的预处理和去噪处理技术领域。
📄 201811650041X
📂 G06K9_00
👤 陕西师范大学
📅 2018-12-31
本发明公开的基于卷积神经网络的淋巴结识别的半监督方法。包括一下步骤：先获取并预处理淋巴结图像，得到淋巴结图像样本；将淋巴结图像样本按照9:1的比例随机分为训练数据集和验证数据集，将训练数据集进行翻转和剪切的数据增强，之后从训练数据中选取20％作为有标签数据，剩下的训练数据作为无标签数据，验证数据集不做任何处理；将训练样本集输入模型分类器并不断迭代训练，每迭代1000步使用验证样本集验证模型分类器，记录验证集的正确率。本发明的识别方法将淋巴结识别的过程实现了处理流程的简化，将淋巴结图像特征提取及风格识别融为一体，识别速度快，而且识别准确率高，收敛速度快，识别准确率高，具有较好的鲁棒性、扩展性。
📄 201910815297X
📂 G06T7_00
👤 杭州电子科技大学
📅 2019-08-30
基于卷积神经网络的上下文聚合残差单幅图像去雨方法，包括以下具体步骤，步骤1：预处理图像；步骤2：构建卷积神经网络模型；步骤3：采用步骤1得到的预处理后的图像对步骤2得到的卷积神经网络模型进行训练，得到去雨卷积神经网络模型，利用损失函数对去雨卷积神经网络模型进行约束，然后反向传播进行参数更新，得到训练好的去雨网络模型；步骤4：将待处理有雨的图像输入所述训练好的去雨网络模型中，最终输出去雨后的图像。由于使用构建卷积神经网络模型，获得更加明细的特征，获得更加丰富的细节，并且实施起来比较简单，图像去雨效果好。
📄 2020109654961
📂 G06T5_00
👤 西安理工大学
📅 2020-09-15
本发明提供了一种基于深度卷积神经网络的时空卫星图像融合方法。所述基于深度卷积神经网络的时空卫星图像融合方法包括如下步骤：训练阶段：选取对应的Landsat图像和MODIS图像形成Landsat‑MODIS图像对，并对Landsat图像进行下采样，得到接近MODIS空间分辨率的LSR Landsat图像，根据Landsat图像、MODIS图像和LSR Landsat图像的组合进行训练，并分别得到非线性映射CNN网络和超分辨率重建CNN网络；预测阶段：分别选取日期t1和t3的Landsat‑MODIS图像对，基于训练阶段得到的非线性映射CNN网络和超分辨率重建CNN网络，预测位于日期t1和t3之间的日期t2的Landsat预测图像。
📄 2017111807639
📂 G06T5_50
👤 湖南永望实用新科技研究院
📅 2017-11-23
本发明公开了一种基于卷积神经网络结合贪心算法的车辆3D多目标跟踪方法，包括：对高速公路上的激光雷达点云数据进行预处理；对处理后的点云输入点云车辆目标检测神经网络模型，生成车辆目标检测状态值；运用卷积神经网络，将车辆目标状态进行输入并预测对下一状态的预测值；设置欧式距离滤波门，筛选有效预测值；设置关联度量阈值，针对关联存在干扰的检测值，利用贪心算法进行数据关联；针对检测置信度低的检测值，利用运动学模型，与初始化轨迹进行关联；将关联好的车辆轨迹进行状态更新，利用轨迹管理模块生成新轨迹与消亡轨迹。本发明以轻量化的结构，减少了设备运算量，具有很强的鲁棒性，可适用于基于激光点云数据的高速公路车辆多目标跟踪。
📄 2023102192024
📂 G06V20_54
👤 重庆大学
📅 2023-03-08
本发明公开了一种基于卷积神经网络检测CT图像的方法，包括如下步骤：S1、提供病人的CT图像、基因组表达谱、蛋白质表达谱、吸烟情况和工作环境信息，并对CT图像进行标注获得数据集；S2、根据步骤S1所述信息搭建一个主要神经网络和四个次要神经网络，其中，主要神经网络以卷积神经网络为主体，四个次要神经网络分别用于分析基因组表达谱、蛋白质表达谱、吸烟情况和工作环境对病人病情影响的大小并输出相应的权值；S3、用已标注的数据集对所述主要神经网络进行训练，代入所述次要神经网络输出的权值，以判断病人的CT图像是否具有肺癌相应特征。采用本发明的方法检测CT图像，可以辅助医生显著提高肺癌诊断的准确率和效率。
📄 2018113164154
📂 G06K9_62
👤 广州大学
📅 2018-11-06
本发明公开了一种基于卷积神经网络的图像阴影去除方法，该方法包括以下步骤：采集并收集真实场景下的阴影图像和无阴影图像，构成图像阴影去除数据集；对图像阴影去除数据集进行预处理；构造端到端的卷积神经网络结构；随机选取数据集中的阴影图像构成网络训练所需的训练集；利用训练集采用多样化的方式训练端到端的卷积神经网络；利用真实图像和随机选取数据集中的阴影图像构成测试集；利用测试集使用训练完成的端到端的卷积神经网络进行阴影去除，得到高质量的无阴影图像。本发明的方法采用全自动的端到端的方法进行图像阴影去除，获得了与原图像颜色、纹理相一致的较清晰的无阴影图像，细节处理效果较好。
📄 2019107055510
📂 G06T5_00
👤 山东工商学院
📅 2019-08-01
本发明公开了一种基于卷积神经网络的数字识别方法，对将要提取特征的图像进行预处理、居中和数字分割，将灰度字符图像的前景区域通过外接矩形提取处理，并按照统一的标准进行居中处理。对卷积神经网络进行进一步的改进，通过误差反向传播将不同卷积层的特征还原至初始输入的尺寸，与前向传播运算得到的预测输出进行可视化和对比分析，并以均方差函数作为误差函数训练网络模型，来更新权重和偏置项参数。同时进一步改进激活函数，将卷积神经网络中各层的运算输出作为激活函数的输入，并将输入端的加权和转化成神经元输出值，增加神经网络的非线性拟合能力，实现了准确率较高的手写数字识别。
📄 2023106340896
📂 G06V30_19
👤 淮阴工学院
📅 2023-05-31
本发明属于生物信息学领域，涉及一种基于深度卷积神经网络的RNA‑蛋白质结合位点预测方法，其中包括卷积神经网络和RNA序列数据处理等技术，旨在提高卷积神经网络模型对RNA‑蛋白质结合位点的预测性能。首先，确定不同窗口长度，使用不同长度的窗口分别处理RNA序列；其次，把处理好的RNA序列通过单热编码方式编码成矩阵，针对多个单热编码矩阵训练多个卷积神经网络模型，并保存这些训练好的模型用于预测；最后，将需要预测的RNA序列经过处理后得到多个单热编码矩阵，分别输入对应的卷积神经网络模型得到多个预测概率，取多个模型预测概率的平均值作为预测结果。
📄 2021115196170
📂 G16B20_30
👤 江西祺鑫雨衣制造有限公司
📅 2021-12-14
本发明属于计算机视觉领域，提供了一种基于多分支扩张卷积神经网络的人群计数方法及系统。该方法包括：获取包含人群的场景图像并据此分别生成人群密度图标签和人头位置二值图标签；根据训练样本，构建训练集；其中，每幅图像及其所对应的人群密度图标签和人头位置二值图标签作为一个训练样本；基于训练集，训练多分支扩张卷积人群计数网络模型，得到网络最优参数，以此生成训练好的多分支扩张卷积人群计数网络模型；将待测图像输入训练好的多分支扩张卷积人群计数网络模型，输出人群密度图；将人群密度图中像素值加和，得到人群计数结果。
📄 2021103546563
📂 G06T7_00
👤 齐鲁工业大学
📅 2021-03-30
本发明公开了一种基于卷积神经网络的煤矿火灾识别方法，包括步骤一、构建用于进行煤矿火灾图像识别的卷积神经网络结构；步骤二、训练卷积神经网络；步骤三、利用卷积神经网络对煤矿火灾图像进行识别。本发明方法步骤简单，实现方便，能够应用在煤矿火灾的监测中，有效提高对煤矿火灾图像的识别率，使用效果好，便于推广使用。
📄 2019106575518
📂 G06K9_62
👤 西安科技大学
📅 2019-07-19
本发明公开了一种基于卷积神经网络的生物滴滤塔处理有机废气的方法，属于挥发性有机物治理技术领域，包括：S10、基于卷积神经网络构建生物滴滤处理网络模型；S20、使用训练样本对生物滴滤处理网络模型进行训练；S30、将生物滴滤塔的实时参数输入训练完成的生物滴滤处理网络模型，由训练完成的生物滴滤处理网络模型给出参数匹配方案，参数匹配方案为生物滴滤塔运行的依据。本发明的生物滴滤处理网络根据预制排出气体参数指标调节实时的进气口有机污染物浓度和液体喷淋器的出液量参数，使生物滴滤塔能够充分发挥生物净化系统的处理能力，同时也节省了喷淋泵运转的能源。
📄 2020106212517
📂 B01D53_84
👤 安徽晨泽知识产权服务有限公司
📅 2020-07-01
柿子坊 · 知识产权运营
柿子坊知识产权运营平台