专利名称：基于循环注意力卷积神经网络的目标定位方法     申请号：2018114864233     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：图片处理 图像定位 图像检测   相似专利 发布日：2025/03/21  

专利名称：基于层级类激活图的目标定位方法、系统及计算机设备      申请号：2019105596555     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：图片处理 图像定位 图像检测   相似专利 发布日：2025/03/21  
摘要： 本发明涉及深度学习领域和物体检测领域，本发明公开了基于层级类激活图的目标定位方法、系统及计算机设备，该方法构建了一个层级模型，在卷积层后面采用全局平均池化层或金字塔池化层来替代传统的全连接层，以避免在全连接层丢失图像结构信息。该方法在低层中的多个卷积层采集相应的特征信息，从而获得层级类激活图。本发明的层级类激活图不仅仅是从最后一层采集特征图，而是在低层中的多个卷积层中进行采集，从而减少低层图像信息的丢失，提高了图像定位能力。

专利名称：基于注意力机制和切割填充的细粒度图像分类方法及系统      申请号：2019112321129     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：图片处理 图像定位 图像检测   相似专利 发布日：2025/03/21  
摘要： 本发明涉及深度学习领域和图像分类领域，具体为一种基于注意力机制和切割填充的细粒度图像分类方法，该方法包括：构建卷积神经网络模型；将原始图像输入卷积神经网络模型，结合注意力机制得到关注图像；将关注图像进行切割，得到子图像，对子图像进行填充，并进行下采样得到填充图像；将关注图像和填充图像输入卷积神经网络模型，并分别通过线性层和softmax分类器，得到对应类别的概率值；选取最大概率值，根据最大值判断分类结果；根据结果在原始图像上标记分类标签；本发明对原图像的关注图像进行分割，再进行填充处理，破坏了各部分之间的相关性，使网络更加关注局部特征，确保高层语义不会被破坏，极大地减少了参数的使用和训练时间。

专利名称：一种加载图片资源的方法及装置      申请号：2017102961952     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：图片处理 软件开发 互联网   相似专利 发布日：2025/04/14  
摘要： 本发明提供了一种加载图片资源的方法及装置，所述方法包括：获取待加载图片的尺寸及屏幕尺寸；获取系统剩余内存量及内存总量，根据所述剩余内存量及内存总量确定缓存空间；根据所述缓存空间的容量截取所述待加载图片，并将截取后的所述待加载图片的当前信息加载至所述缓存空间中；获取手指在所述屏幕上的当前滑动点，当确定所述当前滑动点大于截取后的所述待加载图片的边界时，以当前滑动点为第一中心点将所述待加载图片的剩余信息加载至所述缓存空间中；如此，这样通过分片加载的方式将待加载图片加载至缓存空间，有效解决了因超大图片内存过大导致内存溢出的问题。