一种面向快速MRI的深度神经网络的多尺度序贯训练方法，该训练方法构建多尺度的MR训练图像来训练深度神经网络，首先学习从低倍欠采样的MR图像到全采样MR图像的映射关系，得到深度神经网络模型的初始参数；再逐步增大输入的MR图像的欠采样倍数，在每种欠采样尺度下，依次训练深度神经网络学习从欠采样的MR图像到全采样的MR图像的映射关系，并且每次在更低尺度下的深度神经网络模型的训练都是以前一个尺度下训练所得的网络模型为基础，从而为最终重构高倍欠采样的MR图像累积足够丰富的先验知识，有效地提升MR图像的重建精度。本发明所提供的方法能够有效地重建高倍欠采样的磁共振图像，具有很强的实用性。
📄 2020111153275
📂 G06T11_00
👤 浙江工业大学
📅 2020-10-19
本发明涉及一种基于深度神经网络与双正则化的视频评分预测方法，重构用户‑视频评分矩阵，引入融有用户活跃度的视频关联正则项和可靠的最近邻正则项，构建了融合融有用户活跃度的视频关联正则项和可靠的最近邻正则项的矩阵分解推荐模型，将潜在特征输入深度神经网络中得到深度神经网络模型的结果，并将深度神经网络模型的结果与矩阵分解的结构结合得到最终的预测评分，提高了预测评分的精度；并利用LDA模型挖掘用户视频评论中相关信息，生成用户类型潜在特征矩阵和视频类型潜在特征矩阵，并将两者结合得到隐藏的信息矩阵，再将隐藏的信息矩阵与原始用户视频评分矩阵相结合生成新的用户‑视频评分矩阵，缓解了冷启动和数据稀疏性问题。
📄 2023101874562
📂 G06F16_735
👤 南京邮电大学
📅 2023-03-02
一种基于深度神经网络的遥感图像目标检测方法，包括：获取训练样本并对所述训练样本进行缩放预处理操作；在预处理后的所述训练样本中，对包含遥感目标及遥感背景的训练样本图像执行多种类型的标记操作；基于最大迭代次数，对选取的深度卷积神经网络模型执行预训练和微调操作，得到微调的深度卷积神经网络模型；对所述微调的深度卷积神经网络模型的全连接层进行处理，得到微调的深度全卷积网络模型；基于所述微调的深度卷积神经网络模型及所述微调的深度全卷积网络模型对遥感图像目标进行检测。该方法具有检测速度快、检测精度高等优点，可被广泛应用于目标检测、目标跟踪、智能导航、城市规划等领域。
📄 2017111338890
📂 G06K9_00
👤 陕西师范大学
📅 2017-11-15
本发明公开了一种基于导联融合深度神经网络的心肌梗死自动检测方法，它包括：1）通过对单个心拍的截取，生成12导联的心电信号样本；2）搭建12导联的心电信号的卷积神经网络模型；3）训练卷积神经网络的参数；4）对测试集样本进行自动识别；将划分好的测试集样本输入到卷积神经网络中并运行，获得测试集样本对应的2维预测值向量输出，将测试集样本的标签使用one‑hot编码的方法生成2维的标签向量，将输出的预测值与测试集样本的标签比对来检查分类是否正确，通过分类结果y_pred来判别模型的性能。此方法对多导联心电信号的识别得到了较高的准确率。其中对心肌梗死心拍的识别的准确率可达到99.51%。
📄 201910539438X
📂 A61B5_346
👤 烟台医惠医疗科技有限公司
📅 2019-06-20
本发明公开了一种基于深度神经网络的连续手语识别方法，具体为：首先，建立孤立词手语数据库及连续手语数据库，完成对手型图像预处理，再构建两个结构相同的改进AlexNet神经网络模型，并对预处理后的孤立词手语数据库的训练样本进行训练；之后固定双路AlexNet神经网络模型权重，将全连接层和softmax层丢弃；选取出预处理后的连续手语数据库中RCB‑D视频分帧图像文件的关键片段并进行测试，最后将输出的关键帧嵌入注意力机制的分层LSTM编解码网络模型，输出连续手语的识别结果。本发明的方法克服了由连续手语语句运动轨迹复杂、手型变化快且形变大等问题引起的设计区分性的手语表征存在困难的问题。
📄 2019106952275
📂 G06K9_00
👤 榆林智图慧科技有限公司
📅 2019-07-30
本发明公开了一种基于R‑D图与深度神经网络的低空小目标检测方法。本发明包括如下步骤：步骤1、对雷达接收机采集的回波信号进行预处理，获取信号的R‑D图；步骤2、构建深度卷积神经网络并利用网络预测R‑D图中每个局部区域分别属于目标和背景的类别概率，以及该区域包含目标时，其中心与目标位置之间的偏移量；步骤3、结合预测的类别概率和位置回归的偏移量，判断是否存在，以及存在目标时的目标位置。本发明在类别预测基础上增加了对目标位置的回归，并通过回归结果的投票统计获得目标的精确位置，从而可以实现预测精度更高、虚警率更低的雷达小目标检测效果。
📄 2020101030601
📂 G06F18_10
👤 杭州电子科技大学
📅 2020-02-19
本发明涉及一种基于两步可切换归一化深度神经网络的图像匹配方法，通过分析输入需要匹配的特征，然后经过新型深度神经网络训练自适应地输出匹配好的匹配对。具体地说，给定两个视图中特征点的对应关系，将图像特征匹配问题表述为二进制分类问题。然后构造端到端的神经网络框架，并结合针对稀疏可交换归一化的不同卷积层的自适应归一化器和上下文归一化的鲁棒全局上下文信息的优点，设计两步可切换归一化块以提升网络性能。所述的基于深度神经网络的图像匹配方法主要包括：准备数据集、特征增强、特征学习和测试。本发明能够提高匹配精度。
📄 202010293080X
📂 G06V10_74
👤 中广数智科技(北京)有限责任公司
📅 2020-04-15
本发明公开了一种基于频域滤波-多模态深度神经网络的组间房颤识别方法，它包括：1）寻找心电信号的R点，对单导联心电信号样本进行单心拍检测；2)采用三种采样方式进行复合采样，生成多通道心电信号；3)搭建神经网络模型；4)训练卷积神经网络的参数；5)对测试集样本进行自动识别；解决了传统机器学习框架由于心电图因信息管理系统的病理变化或患者年龄、性别的不同而不同，泛化能力较弱的问题。
📄 2020107454227
📂 A61B5_046
👤 鲁东大学
📅 2020-07-29
本发明涉及一种基于自注意力深度神经网络的图像匹配方法，步骤包括：首先构建数据集并对数据集中的数据进行特征增强；对于输入的特征，首先利用PointCN模块提取初始全局特征，再经过可微分池化层进行下采样，再传入顺序意识网络更好地学习全局信息，之后传入可微分不池化层进行上采样得到更好的全局信息;将经过PointCN模块提取的初始全局特征传入我们的自注意力层进行操作，可以得到加强后的特征信息。然后得到的更好的全局信息进行拼接处理，再经过PointCN模块得到初步预测结果；对初步预测结果通过加权8点算法进行计算，得到本质矩阵。本网络可以代替RANSAC去对SIFT一类算法提取的匹配点做后处理，来提高匹配精度。
📄 2020111873223
📂 G06K9_62
👤 闽江学院
📅 2020-10-30
本发明公开一种基于自然语言语义相似性的语义密钥生成方法。本发明将使用具有一定弹性范围的文本作为密码，利用深度神经网络模型提取文本语义向量，并通过深度神经网络重编码语义向量生成密钥。在认证过程中，输入的自然语言文本文字不必与原文本一一匹配，只需语义与原文本相似，则可以产生相同的密钥完成认证过程。该过程用户无需对原文本一字不漏的记忆，只需对短文本语义和格式有基本记忆，即可通过自然语言描述该记忆，生成密钥，完成认证。本发明不存在生物特征模板认证隐私泄露的风险，同时用户无需高强度的记忆即可生成高安全性的密钥(>512bit长度的密钥)，提高了认证过程的安全性和灵活性。
📄 2021101623226
📂 G06F21_46
👤 杭州电子科技大学
📅 2021-02-05
本发明公开了一种基于Transformer深度神经网络的图像去雾方法，主要包括以下步骤：S1、获取同一场景成对的有雾/无雾图像构建数据集；S2、构建图像去雾模型，模型由三个分支网络组成；S3、将有雾图像I(x)分别输入到图像去雾模型的三个分支网络中，分别获得透射率图像t(x)、大气光图像A(x)、无雾图像J(x)；S4、利用透射率图像t(x)、大气光图像A(x)、无雾图像J(x)，根据大气散射模型，重建输入的有雾图像I′(x)，I(x)与I′(x)构成重建损失约束整个图像去雾模型的训练。本发明基于Transformer进行图像去雾，利用Transformer固有的自注意力机制，可以更加有效地捕获全局信息，更好地提取特征。同时，本发明利用传统的先验辅助深度神经网络来达到更好的去雾效果。
📄 2021103476819
📂 G06T5_00
👤 山东师范大学
📅 2021-03-31
复杂环境下基于图像增强的深度神经网络车牌定位方法，以神经网络深度学习为技术背景，用各种环境背景下的车牌照片数据集，利用构建的深度神经网络模型进行大量学习训练，得到网络模型的权重文件及其它参数文件；并在系统的检测阶段引入图像增强技术，对测试集照片中的低照度、有雾、模糊照片进行图像增强，实现了复杂环境下车牌的精准定位；同时，图像增强技术的引进，大大增强了本发明车牌定位方法对复杂环境的兼容性，很好地解决了现有车牌定位算法对环境因素敏感、对图像质量要求高、车牌可定位场景单一的问题；本发明提出的车牌定位方法使用的是神经网络深度学习技术，该神经网络模型的迁移学习能力和泛化性强。
📄 2020102256520
📂 G06K9_62
👤 西安电子科技大学; 陕西理工大学
📅 2020-03-27
柿子坊 · 知识产权运营
柿子坊知识产权运营平台