本发明提供了一种基于多尺度融合的单阶段目标检测神经网络及工业品表面缺陷检测模型，属于图像处理与分析的技术领域。解决了工业品表面缺陷的检测、识别问题，能够提高缺陷检测的识别率、降低小目标缺陷的漏检。本发明的神经网络由“图像预处理层”、“特征提取网络层”、“连接层”、“多尺度融合网络层”和“预测网络层”构成，分别实现“图像数据增强”、“图像特征提取”、“卷积连接”、“图像特征多尺度融合处理”和“对多尺度融合网络层的融合特征进行多种采样处理”的功能。本发明采用最大池化方式进行多尺度融合，增加预测器的数量，实现深层网络对浅层网络特征信息的充分利用；利用训练后的模型能够进行工业品表面缺陷的检测识别。
📄 2021110670762
📂 G06T7_00
👤 天津科技大学
📅 2021-09-13
一种基于前景特征提取的三维目标检测方法，属于三维目标检测领域，包括以下步骤：步骤一、提取前景特征，过程如下：步骤1.1）定义初级特征提取主干网络；步骤1.2）前景区域划分；步骤1.3）前景评分；步骤1.4）金字塔特征聚合；步骤二、三维可变形注意力，将可变形注意力拓展到三维空间，包括三维偏移采样和视图变换，对于三维空间中的每个查询参考点，模型学习每个查询点周围的M个采样偏移量，并将这些参考点投影到不同的二维尺度和视图中；在二维目标检测器的帮助下，将目标对象的位置约束在某些图像区域内。本发明有效减少背景干扰并降低计算复杂度，增强模型对特征信息的提取和表达能力。
📄 2025115635693
📂 G06V10_764
👤 中国计量大学
📅 2025-10-30
本发明公开了一种基于神经网络模型的海域波浪数据推演方法及系统，包括：获取目标海域对应的波浪图像及历史波浪时序数据，对历史波浪时序数据进行时序分解获得对应的周期性数据，通过对所述历史波浪时序数据进行时序分析以使构建周期性预测模型；通过所述周期性预测模型提取所述周期性数据的周期性特征，并对所述周期性特征与所述历史波浪时序数据进行数据拟合后获得的第二历史波浪时序数据进行模态分解，获得对应的子序列，再将所述子序列及所述第二波浪图像输入至预训练的双通道神经网络模型，通过所述双通道神经网络模型进行波浪数据的推演，输出所述目标海域在预测周期内的波浪数据，提高波浪数据推演的效率及精准度。
📄 2024109469988
📂 G06F18_27
👤 广东海洋大学
📅 2024-07-16
本发明涉及一种基于绝对角度停止准则的最小角回归稀疏辨识方法、装置及应用，包括：建立系统输入输出关系的稀疏参数辨识模型；采集输入输出数据，构造信息矩阵和输出向量；计算输出向量与信息矩阵中所有模型项所夹锐角的标准差；利用最小角回归算法对信息矩阵中的模型项进行逐步筛选，形成有效集并计算残差，计算有效集对应模型项与残差的夹角，直至夹角和标准差满足绝对角度停止准则，输出最终子信息矩阵，来计算稀疏参数向量估计值，获取模型进行系统输入输出控制。本发明引入绝对角度停止准则作为评价，无需已知参数向量的稀疏度，无需额外迭代，提高了模型参数辨识效率，拟合度更好，且能够便于控制系统的设计，降低企业生产成本。
📄 202310721427X
📂 G06F18_20
👤 江南大学
📅 2023-06-16
本发明公开了一种贪婪正交最小二乘法及基于此方法的参数与时滞辨识方法，其先用过参数化方法将辨识模型中的参数向量变为高维稀疏参数向量，再运用Householder变换简化贪婪准则和计算方式，避免矩阵求逆，将稀疏向量中非零元素的位置和数值辨识出来的稀疏辨识方法。本发明可用于在有限采样数据下对系统的时滞与参数进行联合估计，降低辨识成本，精度高。
📄 2020111345449
📂 G05B13_04
👤 江南大学
📅 2020-10-21
基于动态k‑means聚类的神经网络态势预测方法，包括以下步骤：1）收集某系统网络安全基础数据，数据指标即感染网络病毒主机数量，被篡改网络数，被植入后门的网络数量，安全事件报告数,仿冒页面数量,以及安全漏洞和高危漏洞数量，对网络安全基础数据归一化处理；2）对归一化后的网络安全基础数据，利用动态k‑means聚类算法进行聚类，确定RBF神经网络中心神经元参数和个数N；3）使用归一化后的数据参与RBF神经网络训练，计算RBF神经元宽度并确定神经元输出；4）在训练过程中，对RBF神经网络的输出权值进行编码，使用PSO算法得到最优权值，使网络态势预测精度提高；5）使用已训练的RBF神经网络对某月网络态势进行预测，并与当月网络态势评估值作对比，计算误差；具有预测精度高的特点。
📄 2017113616814
📂 H04L29_06
👤 西安邮电大学
📅 2017-12-18
本发明提供的基于RBF神经网络的ICP‑AES重叠谱线分离方法，建立单条谱线模型和重叠谱线数学模型；设计基于RBF神经网络的谱峰分离参数预测模型输入输出结构；构建叠加谱线训练样本集和测试样本集；训练并测试模型后，对待解析的叠加谱线进行特征向量预测，解析出重叠谱线中的多个子峰谱线。优点是：通过对重叠光谱的谱线建立叠加谱线数学模型；利用RBF神经网络在非线性关系映射上的优势，建立基于RBF神经网络的谱峰分离参数预测模型；通过对重叠光谱谱峰分离的峰值、峰位以及峰的半宽度等参数进行预测，实现重叠光谱的多峰分离。通过解析出的多个纯净分离谱线，得到准确的光强测量结果，实现对光谱重叠干扰校正的目的。
📄 2020111616510
📂 G01N21_73
👤 北京工商大学
📅 2020-10-27
本发明公开了基于随机神经网络搜索的机油罐标签划痕检测系统及方法，属于机油罐标签划痕检测技术领域，旨在解决现有技术中采用人工方式对机油罐标签划痕检测存在准确率低、效率低、检测具有滞后性的问题，以及一般自动检测系统存在的误检严重、分级精度低的问题。通过采集机油罐正反两面的标签图像对其进行划痕检测，并实现有划痕自动报警，根据检测结果对机油罐进行自动分类，相比采用人工的方式节省了大量的人力、物力和财力，同时采用随机神经网络架构搜索方法搜索得最优网络模型，检测准确度更高，能够更加规范生产管理和操作流程。
📄 2023102507170
📂 G01N21_88
👤 新余云知联信息科技有限公司
📅 2023-03-16
本发明提供了一种基于复数神经网络的射频指纹识别方法、设备及介质。其中，基于复数神经网络的射频指纹识别方法，包括：将获取的原始复数信道状态信息CSI数据转换为幅度数据，并为所述幅度数据添加全零虚部，以构建成符合复数神经网络输入格式的复数形式数据；将所述复数形式数据划分为训练集和测试集；构建用于对输入的复数形式数据进行特征提取的复数神经网络模型；使用所述训练集对所述复数神经网络模型进行训练；将待识别的CSI数据经构建成复数形式数据后，输入到训练好的复数神经网络模型中，根据模型输出的复数结果的幅度值确定待识别的CSI数据所属的设备类别。达到在复杂的无线环境中，实现对设备身份准确且稳定识别的目的。
📄 2025118006960
📂 G06F18_241
👤 无锡学院
📅 2025-12-02
本发明公开了一种基于深度神经网络的癌症预后评估与靶点识别，该方法包括：获取基因表达数据，并对所述基因表达数据进行预处理，获得初始数据；使用结合扩散模型和自编码器的深度神经网络对所述初始数据进行特征提取处理，获得基因表达特征的低维表示；将所述基因表达特征的低维表达输入XGBoost生存分析模型，获得风险值，并根据所述风险值获得癌症预后评估结果；根据所述风险值以及患者基因表达进行差异表达分析，获得癌症预后靶点。可见，本发明通过结合了扩散模型和自编码器的深度神经网络以及XGBoost生存分析模型，实现了对癌症患者预后风险的准确评估和相关靶点的识别，从而为个性化治疗和靶向疗法的设计提供了科学依据。
📄 2024116996270
📂 G16B40_00
👤 佛山大学
📅 2024-11-26
本发明公开基于衍射深度神经网络识别高阶连续OAM模式的方法，包括有如下步骤：步骤1，通过数值仿真得到经过大气湍流扰动后的光场复振幅矩阵，建立数据集；步骤2，设计并搭建基本的衍射深度神经网络结构，对步骤1中得到的训练数据进行数据预处理，并将其送入到本步骤中设计好的基本衍射深度神经网络中进行模型训练；步骤3，设计并搭建识别高阶连续OAM模式的衍射深度神经网络，并利用测试集测试效果。该方法解决了现有的光学以及深度学习相关方法识别大气湍流下OAM模式不足的问题。
📄 2025103734151
📂 G06F18_2431
👤 陕西科技大学
📅 2025-03-27
本发明提供一种基于混合神经网络的射频低噪声放大器电路设计方法，该方法包括：S1根据性能指标要求选择合适的器件，并确定相应的工作状态和偏置条件；S2利用构建好的混合神经网络得到晶体管的散射参数和噪声参数，获取指定条件下器件的S2P文件；S3根据得到的S2P文件进行稳定性分析，并进一步完成低噪声放大器的设计。本发明有助于提高了分析和设计低噪声放大器的效率和适用性。
📄 2022102324851
📂 G06F30_373
👤 广州大学
📅 2022-03-09
柿子坊 · 知识产权运营
柿子坊知识产权运营平台