专利名称：基于弱监督互补学习的人体行为检测方法      申请号：2020105293930     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：监督学习 图像视频分析   相似专利 发布日：2025/09/23  
摘要： 本发明属于视频人体行为检测方法技术领域，具体是一种基于弱监督互补学习的人体行为检测方法，包括建立基于卷积神经网络构的弱监督网络模型、提取带有嵌入特性的特征表示及显著加权特征、根据特征表示及显著加权特征获取初始的预测结果、利用互补消除模型获取消除后的预测结果、将消除后的预测结果与未通过消除的初始的预测结果进行融合，获取最终预测结果。本发明通过对时域激活映射模型进行改进，并采用互补消除模块对数据进行修正，提升弱监督学习检测方法中的准确性。

专利名称：一种基于半监督学习模型的铜件表面缺陷视觉检测方法      申请号：2015105325907     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：表 学习模型 检测 监督学习   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种基于半监督学习模型的铜件表面缺陷视觉检测方法，属于铜件表面缺陷视觉检测技术领域。本发明针对常见的铜件表面缺陷，使用传送带和导轨将铜件移动到四个相应的检测工位，采用图像采集系统拍照取图来依次检测铜件的上下表面及两侧面是否有缺陷存在，并根据判定的结果对铜件进行分类，该系统还配备有一个相机来实时远程监控视觉检测系统的运行情况。上述的系统配置后的参数调整、数据的存储与统计、系统的实时远程监控及维护等操作采用在云端进行。本发明能实现自动连续地对铜件的表面缺陷进行检测，取代人工目视检测方法，提高了检测的效率与准确率。

专利名称：一种基于域对抗自监督学习的病理图像分割方法      申请号：2021106218255     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 监督学习   相似专利 发布日：2023/10/17  
摘要： 本发明涉及一种基于域对抗自监督学习的病理图像分割方法。包括：获取病理图像建立病理图像自监督数据集；建立域对抗自监督模型；使用病理图像自监督数据集对域对抗自监督模型进行深度学习训练；建立病理图像分割模型；使用经过深度学习后的域对抗自监督模型对病理图像分割模型进行初始化；对病理图像中的病灶区域进行像素级别标注建立病理图像分割数据集；使用病理图像分割数据集对病理图像分割模型进行深度学习训练；使用深度学习训练后的病理图像分割模型对病理图像的未知病灶区域进行分割。本发明方法，采用域对抗自监督学习的方法，有效缓解了分割模型对大量人工标注的依赖并解决了模型在不同域上分割性能波动的问题。