法律状态: 全部 已授权 审中
项目申报: 全部 报过 没有报过
共 63 件在售专利
本发明涉及多特征点机动车定位方法和装置、电子设备和存储介质。该方法包括:确定m个推定当前位置,所述m个推定当前位置在预定的范围内,m是大于1的正整数;利用所述相机获得图片;在所述图片中获得n个特征点,并取得各特征点在三维地图中的位置,即各特征点的地图位置,n为大于1的整数;获得匹配距离的步骤,针对所述m个推定当前位置中的各推定当前位置,基于各特征点的特征点向量,获得m个匹配距离,所述特征点向量是从相机到特征点的向量;根据所述m个匹配距离确定匹配度,将匹配度最高的推定当前位置,确定为当前位置。
📄 2022101067925 📂 G06F16_583 👤 宏景智驾(衢州)科技有限公司 📅 2022-01-28
已申报项目
¥0.0 元
本发明公开了一种蕾丝花边自动检索系统的使用方法。通过浏览器,将本地计算机或移动终端中的待检索蕾丝花边图像发送到服务器端;服务器端接收到图像之后,采用距离叠加函数方法求取蕾丝花边的一个纹理周期图像,然后由灰度共生矩阵得到该纹理周期图像的纹理特征,由该纹理周期图像的高度和宽度比得到形状特征;求取待检索图像的特征向量与服务器数据库中所有蕾丝花边图像的特征向量的欧式距离,得到距离最小的前十种蕾丝花边,并将检索结果返回至本地计算机或移动终端;在本地计算机或移动终端上显示待检索蕾丝花边图像和十种检索到的蕾丝花边图像及其相应详细信息,供用户进一步选择和确认。本发明可对蕾丝花边图像进行自动检索,方便快捷。
📄 2016110493610 📂 G06F16_583 👤 江南大学 📅 2016-11-21
¥0.0 元
本发明属于面料检索方法领域,涉及一种基于精细纹理表征的织物图像检索方法。所述方法步骤如下:对待查询图像和图像库中的图像进行预处理,增强面料图像的对比度,突出图像的纹理特征;对于预处理后的图像,采用低阶特征提取方法对图像进行处理,对待查询图像和图像库中的图像进行特征描述;将待查询图像的特征描述与图像库中图像的特征描述进行相似性度量,按照相似性的大小从大到小排序;根据相似性的大小将相应的图像按顺序进行显示;将图像相对应的工艺参数调出,以指导生产。本发明提出考虑织物的精细纹理特征,具有较高的检索精细度和准确率,并首次提出乘积的形式来综合两种特征的优点,在图像精细检索领域具有非常大的潜力。
📄 2019103917710 📂 G06F16_583 👤 江南大学 📅 2019-05-13
¥0.0 元
本发明涉及信息检索隐私保护技术领域,公开了一种安全可验证跨模态检索方法,包括数据拥有者基于多模态数据集中图像模态与文本模态对应的高维向量,构建对应的图像可验证B+树与文本可验证B+树,并将加密后的多模态数据、数字签名后的高维向量与根节点签名值,存储至数据服务提供商中,以供后续接收到查询用户生成的查询向量时,进行跨模态检索。本发明通过构造包含节点数据、索引键值、中心点、半径与摘要的可验证B+树,可在检索时,快速判断节点与查询向量之间的距离,避免了不必要的子树遍历,提高了查询效率;且通过结果验证和签名验证进一步保证了查询结果的真实性。
📄 2025102260548 📂 G06F16_583 👤 江南大学 📅 2025-02-27
¥0.0 元
本发明属于跨模态检索技术领域,涉及一种基于类代理蒸馏的零样本草图图像检索方法;获取草图样本及对应的图片样本;利用预训练好的教师模型提取草图样本的第一语义特征向量和第一视觉特征向量、图片样本的第二语义特征向量和第二视觉特征向量;将第一语义特征向量和第二视觉特征向量融合得到目标第一融合特征向量,将第二语义特征向量和第一视觉特征向量融合得到目标第二融合特征向量;将草图样本和图片样本输入学生模型,输出草图特征向量和图片特征向量;构建损失函数并对学生模型进行迭代训练,直到损失函数的值最小,得到训练好的学生模型。通过融合语义特征和视觉特征,为草图和图片的匹配提供更丰富的特征信息,提高检索结果的精确度。
📄 2024112265257 📂 G06F16_583 👤 江南大学 📅 2024-09-03
¥0.0 元
本发明公开了一种基于深度辨识度迁移的跨模态检索方法,属于信息检索技术领域。所述方法在学习不同模态数据公共表示特征的过程中,通过最小化解码向量与文本原始特征间的重建损失增强文本公共表示特征的语义辨识度,同时通过权重共享层的模态不变损失和样本相关性损失将文本公共表示特征的语义高辨识度迁移到图片公共表示特征,从而为各模态数据习得高语义辨识度的公共表示特征,进而提升了检索性能。
📄 2021107548341 📂 G06F16_583 👤 江南大学 📅 2021-07-02
¥0.0 元
本发明公开了一种基于深度学习的蕾丝花边检索方法,属于机器视觉和深度学习技术领域。该方法采用深度学习网络自动提取蕾丝花边图像的特征,无需人为干预,从而具有很好的鲁棒性和较强的泛化能力;具体的,采用孪生神经网络,并构造训练孪生神经网络所需的(A,P)正例对和(A,N)负例对,在训练孪生神经网络时,使得正例对中的样本A和P的特征向量之间的欧式距离尽可能小,而对于负例对则使得其特征向量之间的欧式距离尽可能大,最终得到训练好的孪生神经网络实现检索;采用该检索方法,所检索出的准确结果排在所有检索结果中第1个位置的百分比值可达98.39%,而所检索出的准确结果排在前10个位置的百分比值可达100%。
📄 2020115596200 📂 G06F16_583 👤 江南大学 📅 2020-12-25
¥0.0 元
本发明涉及知识图谱技术领域,具体公开了一种基于知识图谱的面料跨模态图文检索方法及存储介质,包括:构建纺织面料结构化知识图谱;根据TransR模型对纺织面料结构化知识图谱进行语义建模;根据图注意力网络对纺织面料结构化语义模型进行语义结构提取;提取纺织面料图像深层语义特征;根据纺织面料实体语义结构与图像深层语义特征构建图像与实体双向对比损失函数;根据双向对比损失函数以及结构化语义模型构建多任务联合损失函数;根据多任务联合损失函数对实体语义结构与图像深层语义特征的空间对齐匹配度进行训练,获得面料跨模态图文检索结果。本发明提供的基于知识图谱的面料跨模态图文检索方法能够适用于面料的跨模态图文检索。
📄 202510929670X 📂 G06F16_583 👤 江南大学 📅 2025-07-07
¥0.0 元
本发明提供了一种基于注意力融合局部超级特征和全局特征的图像检索方法。该方法主要包含融合特征训练和实时图像检索这两个部分。其中融合特征训练包含两个阶段:局部超级特征的提取,局部超级特征和全局特征的融合。局部超级特征的提取是通过迭代注意力模型提取出有用的局部特征,通过正样本对特征匹配训练,找出最有用的局部超级特征;局部超级特征和全局特征的融合是将找出的局部超级特征与全局特征的信息进行正交融合,得到一个单一多维的特征向量用于检索。本发明方法可以精确提取出图像的有用特征,同时特征数据量小,信息高度集中,检索速度更快,存储空间要求更低,进而能更好的用于图像检索任务。
📄 2022108063272 📂 G06F16_583 👤 杭州电子科技大学 📅 2022-07-08
¥0.0 元
本发明提供一种基于局部敏感哈希的激光雷达点云快速查询匹配方法,首先通过激光雷达扫描采集环境数据,利用K均值聚类分割算法对收集到的点云数据进行点云分割;接着对数据对象进行特征提取,得到预处理之后的数据集S;使用伪希尔伯特曲线生成算法将体素中的点云数据生成一维的索引序列;利用LSH对得到的伪希尔伯特曲线序列进行哈希编码,构建索引,查询点云和候选点云之间的欧氏距离确认体素中距离最近的点云。本发明方法基于局部敏感哈希索引方法提高了点云特征提取查询时的速度,缩短了查询匹配时间并提高了查询匹配精度;LSH索引通过对伪希尔伯特序列进行哈希编码将相似的点云聚集在一起,减少了需要计算距离的点云数量,从而提高了检索效率。
📄 2023107113847 📂 G06F16_583 👤 淮安大学 📅 2023-06-15
¥0.0 元
本发明公开了一种弱监督的深度上下文感知图像表征方法及系统,包括:获取待处理图像;对待处理图像进行表征提取,提取出基础视觉表征;基于基础视觉表征,生成上下文强化视觉表征;对上下文强化视觉表征映射为哈希向量;对哈希向量,进行二值化处理,得到待处理图像的哈希表征。该方法充分捕获了图像的语义信息,并在一个统一的框架内增强了图像表征的辨别力。本发明引入了辨别损失,强制图像表征重新生成标签。这样可以增强图像表征的区分性,且进一步提高哈希码的质量;相较于之前的方法,本发明提高了基于哈希表征的图像检索性能。
📄 2020115870050 📂 G06F16_583 👤 山东建筑大学 📅 2020-12-28
¥0.0 元
本发明提出一种基于参考图的多匹配搜索和超分辨率重建方法,以参考图的多匹配搜索和超分辨率重建网络作为基于参考图像的超分辨率重建的深度网络,将低分辨率图像输入到参考图的多匹配搜索和超分辨率重建网络,重建网络输出高分辨率图像。该方法能够重建出有着更好纹理细节的高分辨率图像。
📄 2022107989175 📂 G06F16_583 👤 闽江学院 📅 2022-07-08
¥0.0 元
发明 已授权

多特征点机动车定位方法和装置、电子设备和存储介质

2022101067925 · 宏景智驾(衢州)科技有限公司
已申报项目
¥0.0 元
发明 已授权

蕾丝花边自动检索系统的使用方法

2016110493610 · 江南大学
¥0.0 元
发明 已授权

一种基于精细纹理表征的织物图像检索方法

2019103917710 · 江南大学
¥0.0 元
发明 已授权

一种安全可验证跨模态检索方法

2025102260548 · 江南大学
¥0.0 元
发明 已授权
发明 已授权

一种基于深度辨识度迁移的跨模态检索方法

2021107548341 · 江南大学
¥0.0 元
发明 已授权

一种基于深度学习的蕾丝花边检索方法

2020115596200 · 江南大学
¥0.0 元
发明 已授权
发明 已授权

基于注意力融合局部超级特征和全局特征的图像检索方法

2022108063272 · 杭州电子科技大学
¥0.0 元
发明 已授权
发明 已授权

一种弱监督的深度上下文感知图像表征方法及系统

2020115870050 · 山东建筑大学
¥0.0 元
发明 已授权

求购专区 · 发布技术需求,卖家在线应标

🔋 高能量密度固态电解质材料与制备工艺
预算:¥50-100万截止:2026-08-30发布方:××新能源科技响应:8人

交易保障 · 安心交易

资金托管

买家付款至平台,交易完成/过户成功后放款给卖家

权属尽调

专利有效性分析 + 权属状态核查,确保交易安全

合同审核

标准转让/许可合同模板,支持在线电子签署

全程代办

著录项目变更、备案手续全程代办,省心省力

交易流程 · 六步完成专利交易

1
选专利
2
在线沟通
3
签署合同
4
支付款项
5
办理变更
6
过户完成

成功交易案例

🔬

固态锂电池电解质专利包

转让方:中国科学院××研究所
受让方:××新能源科技有限公司
交易类型:独占许可
交易金额:¥320万
🧬

CRISPR基因编辑技术

转让方:××大学
受让方:××生物医药有限公司
交易类型:转让
交易金额:¥1,200万
⚡

SiC功率器件工艺专利

转让方:××半导体有限公司
受让方:××汽车电子集团
交易类型:转让
交易金额:¥680万
☀️

钙钛矿光伏组件技术

转让方:××科技公司
受让方:××能源集团
交易类型:开放许可
交易金额:¥50万/年