本发明属于图像处理技术领域，尤其涉及一种基于深度学习的毛毯压花定位方法。同步采集压花区域连续图像序列及张力、传输速度等生产参数构建数据集；对图像序列扫描提取压花图案轮廓关键点作为定位锚点，划定ROI区域得到粗定位结果；将生产参数输入改进时序卷积网络预测毛毯平移和旋转形变偏移量，对粗定位结果校正生成定位掩码；预存压花模板几何参数，将定位掩码与模板匹配计算，根据阈值判断是否达标用于定位。本发明融合多源数据与时序建模，通过分层定位策略，结合智能化特征处理，实现压花定位，解决了传统方法定位精度不足、易出现图案形变和错位等问题，提升了定位精度和生产效率。
📄 2025107210653
📂 G06V10_25
👤 山东高德毛毯有限公司
📅 2025-05-30
本发明公开了基于深度学习的输出文本导向型模板代码修改方法及系统，涉及计算机软件工程技术领域，方法包括：通过对待修改模板代码进行语义规范化处理，生成核心语言表示，并在两阶段双向框架中完成结构化中间表示的构建与还原；基于用户对输出文本的编辑操作生成更新指令，结合结构化中间表示的元数据信息，通过深度学习模块预测并融合结构化更新指令，最终通过反向传播阶段还原为语法合规的模板代码。本发明通过引入深度学习模型实现了从输出文本编辑到代码更新的端到端映射，提升了模板代码修改的智能化与交互性水平。
📄 2025107010750
📂 G06F8_33
👤 龙岩学院
📅 2025-05-28
本发明提供一种基于深度学习的通信干扰智能识别方法，属于通信数据处理技术领域，用以采用时空双向记忆共振网络与对抗式互补训练框架，能够深度挖掘通信数据中的时空耦合特征并在小样本环境下精准识别各类干扰。本发明通过构建时空双向记忆共振网络，时间和空间特征在提取阶段即实现动态耦合与相互调制，突破了传统方法中特征分离处理的局限，使得模型能够深度挖掘并理解干扰在时间和空间维度上的传播与演化规律，提升了对早期微小征兆和复杂耦合型干扰的发现与识别能力。
📄 2026108457910
📂 H04B17_345
👤 龙岩学院
📅 2026-06-12
本发明涉及水下焊接检测技术领域，尤其涉及一种基于改进型深度卷积的水下结构焊缝在线检测方法，包括：S1、使用水听器传感器接收海洋水下结构焊接的声信号；S2、使用VMD算法对声信号进行去噪处理，从高阶IMF成分中提取微弱焊接声信号；S3、使用递归图对有效脉冲进行时空域转变，将一维信号从时域转到相空间域，提供更多潜在焊缝状态特征；S4、将递归图进一步生成梯度图，使用梯度图进行特征提取，提取图像X、Y和XY三个方向的特征；S5、使用VGG16深度卷积网络对图像样本进行分类，完成焊缝质量在线判定。本发明能够实现水下焊接焊缝质量在线检测，实时调整焊接质量，为水下焊接焊缝质量在线检测提供了一定思路。
📄 2024100450632
📂 G01N29_04
👤 南通大学
📅 2024-01-12
本发明公开了一种基于深度学习的ERA5降水产品降尺度方法，首先获取ERA5再分析数据、GPM卫星数据和地面站日降水观测数据，并进行预处理；基于皮尔逊相关系数法衡量气象因子与地面观测降水之间的相关性，选取相关性较大的气象因子作为有效特征；剪裁各数据至研究区域，并进行归一化；建立降水降尺度模型，设计损失函数及模型参数；训练获得最优模型，对降尺度结果进行评估；采用双分支结构，以GPM卫星数据作为标签，一个分支以低分辨率降水作为输入，另一分支以有效气象特征作为输入来学习辅助指导；训练后的模型不仅捕捉了时间和空间上的数据变化，且很好地捕捉了极端情况，可以有效地将ERA5降水数据从25km降至10km。
📄 2023104547717
📂 G06F18_20
👤 南京信息工程大学
📅 2023-04-25
本发明公开了服务器集群能耗优化调整技术领域的一种基于深度学习的服务器集群能耗优化调整方法和系统。方法包括：根据获取到的冷却管路的红外热成像数据、当前流量、压差传感器数据和服务器集群运行状态数据，生成气泡位置矩阵、流动阻力系数、服务器热负荷矩阵与热负荷变化率矩阵，利用训练好的气泡运动预测模型获取未来预设时长的气泡聚集风险区域坐标，计算散热效率下降预测值R；若R超过预设下降阈值：根据热负荷变化率矩阵的方向性特征选择休眠服务器，生成休眠指令，并基于热负荷变化率绝对值所处的预设区间生成流量控制指令。本发明预测性强、调控精细且自适应性高，显著提升了太空计算平台在复杂热控工况下的能效比与系统稳定性。
📄 2025115129437
📂 G06F1_3234
👤 南京信息工程大学
📅 2025-10-22
本发明涉及一种基于OctBlock密集块的快速图像去噪方法，将待去噪图像分为训练数据集与测试数据集并分别进行增强和/或加噪，构建基于OctBlock密集块的去噪网络，输入训练数据集进行训练，输入测试数据集进行图像去噪，获得去噪后的图像。本发明的子模块OctConv将卷积层的输出特征图分解为不同空间频率的特征，并将特征图存储到不同的组，在相邻位置之间共享信息以减少空间冗余、提高模型效率、加快图像去噪；OctBlock密集块内部的每个子模块提取到的特征将被连接到后续的子模块中，提取丰富的局部特征，更快更好获得去噪后的图像；在网络中应用残差学习，减少网络参数，避免网络复杂度导致的梯度消失、梯度爆炸。
📄 2019108795264
📂 G06T5_00
👤 浙江工业大学
📅 2019-09-18
本发明公开了一种基于Transformer的遥感图像建筑物提取方法，属于图像分割技术领域，包括：获取遥感图像，并对遥感图像进行预处理；将预处理的遥感图像输入深度学习模型进行语义分割，得到建筑物分割结果。本发明在原有Swin Transformer技术方案中设计了非对称网络结构，同时在跳跃连接中采用了新设计的多分支加权金字塔池化模块，进一步挖掘特征信息，克服了遥感图像中种类多样、尺度不一的建筑物难以识别的问题。
📄 2022115974650
📂 G06V20_10
👤 浙江工业大学
📅 2022-12-12
一种基于深度学习的高性能多尺度目标检测方法，所述方法包括训练过程和检测过程，所述训练过程如下：1.1、输入图片，生成图像块；1.2、筛选正图像块；1.3、筛选负图像块；1.4、输入图像块，训练模型；所述检测过程如下：2.1、预测焦点像素集；2.2、生成焦点图像块；2.3、RoI阶段；2.4、分类和回归；2.5、焦点合成。本发明针对训练过程提出一种全新的候选区域选取方法，同时针对检测流程，采用一种由浅入深的方法，忽略不可能包含目标的区域，相对于过往检测算法处理整个图像金字塔，该发明显著得减少多尺度检测方法的计算量，大幅提高检测速率，突破了以往多尺度检测算法无法投入实际应用的瓶颈。
📄 2020109206081
📂 G06V10_25
👤 浙江工业大学
📅 2020-09-04
本发明公开了一种基于双层嵌套LSTM的超长多维时间序列分类方法，包括：获取超长多维时间序列数据集；将输入层、由i个LSTM网络并联而合成的网络、LSTM网络、全连接层、Batch Normalization层、Softmax层进行串联，得到双层嵌套LSTM模型；将已知所属类别的时间序列作为训练数据输入双层嵌套LSTM模型进行分类训练；使用训练后的双层嵌套LSTM模型对未知所属类别的目标时间序列进行分类识别。本方法适用于各种实际应用场景中的超长多维时间序列，能够对采集自这些现实场景中的超长时间序列数据进行有效处理，且不会出现训练时间长、参数更新慢，甚至梯度消失等问题。
📄 2023106237749
📂 G06F18_25
👤 浙江工业大学
📅 2023-05-30
一种基于ConvLSTM的时序序列影像重建方法，包含：步骤1：构造时间序列影像；步骤2：提取地表同质影像对象；步骤3：对同质影像对象进行分类，根据地物覆盖类型的不同，建立地物分类体系CL，根据分类体系CL选择分类样本，然后构建特征空间也就是参与分类的特征，将其应用到所有类别中，最后执行分类，实现根据地物不同覆盖类型对图斑进行分类的效果；步骤4：构建ConvLSTM网络框架；ConvLSTM在FC‑LSTM的基础上将输入到状态，状态到状态的前馈式计算方式转换为卷积形式；步骤5：制作训练样本，进行模型训练；步骤6：模型预测；将Pt1与M作差集运算得到带有缺失部分需要重建的数据集M'，利用模型捕获到的时间变化趋势和空间信息特征对M'进行预测，实现了对缺失部分的重建。
📄 2021103597917
📂 G06T11_00
👤 浙江工业大学
📅 2021-04-02
本发明公布了一种基于深度学习的交通拥堵区域实时检测方法，包括有以下步骤：1)相机预置位设置以及相机标定；2)卷积神经网络模型初始化；3)获取当前视频帧与视频帧时间；4)检查相机工作状态；5)使用卷积神经网络模型对兴趣区域ROI进行车辆目标检测；6)维护静止目标跟踪队列；7)拥堵区域检测；8)拥堵状态上报。本发明提出一种拥堵检测区域拥堵判断算法，具有对环境变化较强的鲁棒性，实现了实时的检测效果以及较高的拥堵识别精度。
📄 2019105706220
📂 G06K9_00
👤 浙江工业大学
📅 2019-06-27
柿子坊 · 知识产权运营
柿子坊知识产权运营平台