本发明属于地球科学技术领域，具体涉及一种联合深度学习的地震数据随机噪声压制方法，该方法的步骤为1、训练数据集预处理；2、样本标签准备；3、设计联合学习模型G的网络结构；4、设计损失函数；5、训练并保存网络模型；6、测试网络模型性能。通过波原子变换对地震数据波前纹理特征进行有效地稀疏表示，获取波原子域地震数据的纹理特征；将含噪声地震数据作为输入，波原子域数据和实际不含噪声数据的特征作为标签，构建空间域与波原子域联合深度学习网络结构。通过联合学习的方案解决地震数据特征提取不充分的问题，提高噪声压制效果。将空间域和波原子域的特征相结合，利用空间域与波原子域联合深度学习技术去除地震数据随机噪声。
📄 2020101347541
📂 G06K9_00
👤 东北石油大学
📅 2020-02-27
本发明公开一种基于深度学习的多模态图文推荐方法及设备，方法包括用一种跨模态图文检索模型MMDNN，其次，将MMDNN用于推荐系统之中，利用正负反馈聚类中心计算模块PNFCCCM和用户的正负反馈历史记录，计算用户的正负反馈聚类中心，结合数据的相似度得分和正负反馈得分，从数据库中找出与用户历史记录中综合得分最高的几条数据，使用MMDNN模型从数据库中找出与这几条数据对应的另一种模态的数据，最后，把成对图‑文资源推荐给用户，并且根据用户的反馈更新用户的历史记录和用户的正负反馈聚类中心，实现多模态图文推荐。
📄 2021103852465
📂 G06F16_535
👤 陕西师范大学
📅 2021-04-09
本发明涉及生物特征识别技术领域，特别涉及一种基于上下文信息的深度学习成对模型人耳检测方法。本发明克服现有技术存在的不能针对大场景尤其是包含整个人物身体的背景图片中找出耳朵位置的问题。其技术方案是：一种基于上下文信息的深度学习成对模型人耳检测方法，其步骤：首先对所有图片进行预处理并标注目标；其次利用迁移学习将Oquab网络修改为四分类局部模型并训练；再次根据局部模型，分别训练头部和耳朵、身体和头部两个成对模型；最后利用局部模型、成对模型1、成对模型2及人体特征对耳朵联合检测。本发明利用这种由大到小的层次关系建立上下文关联信息，可减少其他特征的干扰，更精确的检测出耳朵的位置。
📄 2021111653552
📂 G06V40_40
👤 西安工业大学
📅 2021-09-30
本方案提供了一种基于深度学习的超材料传感芯片的设计模型的构建方法及应用，将透射曲线采集点集合输入到设计模型的输入层中进行归一处理得到一维序列，一维序列分别输入到并联卷积层的多个卷积分支中进行卷积处理得到卷积特征，多个卷积特征输入到线性层中进行拼接得到拼接序列，拼接序列输入到输出层中处理并输出结构参数组，可用于超材料传感芯片的设计。
📄 2025103397389
📂 G06F30_27
👤 中国计量大学
📅 2025-03-21
本发明涉及一种基于自监督学习的单衍射强度图像重建方法、装置、设备及存储介质。该方法包括以下步骤：获取单幅衍射测量图，采用互补掩膜下采样从单幅衍射测量图中提取互补的测量值，构造用于自监督训练的数据集；基于训练集中的互补的测量值，利用双通道的深度神经网络，重建原场景图像的不同估计；构造用于自监督训练的损失函数，利用优化器最小化损失函数，利用损失函数对深度神经网络进行自监督训练；基于测试集中的互补测量值，利用训练好的深度神经网络，估计单衍射强度图像场景。本发明能够重建不同类型图像的相位和振幅。
📄 2024112206865
📂 G06T5_60
👤 安徽大学
📅 2024-09-02
本发明公开了一种基于深度学习的改进单模式自解相条纹投影三维测量方法，涉及图像处理技术领域。本发明包括以下步骤：搭建条纹投影虚拟测量系统；在条纹投影虚拟测量系统中制备数据集；搭建条纹预测自解相网络模型；通过条纹投影虚拟测量系统制备的数据集进行模型训练；通过相机采集被测物体的单张变形条纹图像；将被测物体的单张变形条纹图像输入至条纹预测自解相网络模型预测被测物体其余三张变形条纹图像。本发明搭建了一个虚拟测量系统，简化了复杂的数据采集过程；并采用深度学习的方法搭建了条纹预测自解相网络对单模式自解相方法进行改进，实现了仅需单张变形条纹图像对高分辨图像进行高效精确的相位检索过程。
📄 202410186640X
📂 G01B11_25
👤 青岛科技大学
📅 2024-02-20
一种基于深度学习的杂交稻种质量识别装置，包括操作台，以及设置在操作台的台面上并与传动装置传动连接的传送带；育种板放置在传送带上，随着传送带的运行而沿着传送带运行方向移位；位于传送带的上方，从传送带运行方向的起始端至末端依次设置有摄像头和X光箱，所述的摄像头和X光箱与上位机信号连接；所述的摄像头采集种子的图像，将种子图像传输至上位机，上位机提取每个种子的颜色，根据种子的颜色将种子分为好、中、差三个等级；X光箱通过X光采集到种子的饱满度图像，将图像传输到上位机，由上位机计算每个稻种的面积，得出种子的饱和度，根据种子的饱和度判断种子是否可以发芽。本发明可以克服种子检测效率低与精度低的问题。
📄 2023106568366
📂 G06V20_10
👤 河北云晟昂希知识产权服务有限公司
📅 2023-06-05
本发明公开一种云服务QoS深度学习预测模型，所述模型构建过程包括以下步骤：S1：确定本模型的基本概念；S2：根据确定的基本概念，提出QoS深度学习预测模型；S3：提出算法流程，算法流程包括多尺度特征提取和MM‑DNN学习；S4：评估QoS深度学习预测模型的性能。该模型融合了三种尺度的特征：全局、局部和个体特征，通过非负矩阵分解获得全局和个体特征矩阵，从中可以提取全局和个体特征。由于云服务的QoS值会受到地理位置的影响，基于距离相似度计算获取相似用户和相似服务，并形成用户和服务的局部特征。通过深度神经网络分阶段逐步融合这三种特征，进行特征处理和学习，并在每个阶段中使用个体评价对该阶段的特征进行修正，从而更准确地预测云服务的QoS值。
📄 2021110665410
📂 G06F18_21
👤 南京信息工程大学
📅 2021-09-13
本发明公开了一种基于神经通路的深度学习的中毒防御方法及装置，其中公开了基于神经通路的深度学习的中毒防御方法，利用中毒模型，通过特征提取层产生导向性样本从而构建深度学习模型的关键神经通路，模拟触发样本的数据流动过程，对激活值异常的神经元通过人工神经元来抑制激活值，增加新的权重使得模型实现自我防御机制。本发明还公开了一种基于神经通路的深度学习的中毒防御装置，包括收集模块，预训练模块，构建通路模块，构建防御机制模块，评估模块。
📄 2021106974411
📂 G06F21_55
👤 浙江工业大学
📅 2021-06-23
本发明请求保护一种基于深度学习的心音智能诊断系统及方法，涉及生物信号处理、模式识别、大数据、深度学习领域。包括：1)用户通过心音采集设备或智能可穿戴式设备对心音音频数据进行采集；2)数据通过网络传输到云端服务器，进行心音音频数据的存储、建档；3)在云端服务器上采用基于逻辑回归‑隐半马尔科夫模型的心音分割算法对心音数据进行分割，并用一维卷积神经网络对分割后的心音数据进行自动特征提取和分类；4)诊断结果通过网络反馈给用户的同时存储在云端，以提供给相关机构和指定医院作为用户的临床病史参考；5)由专业医生确诊后的用户心音数据可作为训练数据扩充进云端服务器中的心音数据库中，不断提升心音诊断系统的诊断能力。
📄 2017105152108
📂 G16H50_20
👤 重庆邮电大学
📅 2017-06-29
本发明涉及一种基于深度学习的遥感图像中的露天矿场检测方法，属于目标检测领域。基于Mask R‑CNN网络，在此网络上设计了基于混合注意力的区域生成网络MA‑RPN和基于扩展的特征金字塔网络ET‑FPN，MA‑RPN引入了混合注意力机制，在区域生成网络中添加注意力模块，通过注意力掩码将图片中露天矿场的关键特征标识出来，从而帮助模型学习到需要关注的露天矿场区域；ET‑FPN具有专门用于露天矿场检测的金字塔层，用以提取遥感图像中露天矿场的信息，扩展的特征金字塔层反馈到后续的检测器进一步进行定位和分类。本发明能够在遥感图像中实现露天矿场的检测。
📄 202011204160X
📂 G06V20_13
👤 重庆邮电大学
📅 2020-11-02
柿子坊 · 知识产权运营
柿子坊知识产权运营平台