0本发明公开了一种基于改进U‑net神经网络的瑞利波频散曲线自动提取方法，包括构建频散曲线训练集；构建频散曲线测试集；将频散曲线测试集和频散曲线训练集中的图像数据进行裁剪，并将频散曲线训练集中的理论频散曲线进行二值化处理；对频散曲线训练集中的图像数据进行几何变换，得到扩充后的频散曲线训练集；构建改进U‑net神经网络模型，利用扩充后的频散曲线训练集进行模型训练；利用训练后的改进U‑net神经网络模型对频散曲线测试集提取多阶瑞利波频散曲线。本发明充分利用了深度学习的图像分割能力，能够对野外面波数据的频散能量图快速、准确地分类，提高了提取瑞利波频散曲线的效率，进一步提升面波勘探的效率。
📄 2022107694501
📂 G01V1_34
👤 长安大学
📅 2022-07-01
0本发明公开了一种基于解耦表征学习与图神经网络的服务推荐方法，以在线应用记录的用户交互日志为数据源，获取用户的完整历史交互序列以及对应类别序列，首先在个性化程度上分别捕获用户长期的稳定兴趣和短期的动态兴趣，然后利用服务类别信息捕获用户的从众兴趣。该方法针对基于隐式解耦表征学习的方法依赖于人工设置的潜在兴趣个数，难以适应不同应用场景，且没有考虑不同在线应用服务类别因素的问题，分别基于完整序列、最近序列和类别序列学习用户的长期兴趣、短期兴趣和从众兴趣，避免人工设置潜在兴趣个数的弊端，并考虑不同在线应用类别因素的影响，捕获用户的从众兴趣作为推荐结果可解释性的基础，帮助应用提供商有针对性的调整推荐策略。
📄 2022116349712
📂 G06F16_9535
👤 杭州电子科技大学
📅 2022-12-19
0一种结合情感类别注意力损失的卷积神经网络情感图像分类方法，涉及智能媒体计算和计算机视觉技术领域；首先对训练样本进行类别权重计算，得到情感类别注意力权重向量；其次按情感类别数量和情感类别注意力损失修改卷积神经网络最后的分类层与损失函数；然后将训练样本进行预处理后传入网络中，使网络在损失函数和优化器的对参数的迭代更新后达到收敛，完成训练；最终将预处理后的测试图像送入网络中，计算得到的模型的情感图像分类准确率以及模型对测试情感图像的预测类别。本发明使得情感图像在通过卷积神经网络进行情感类别分类时，可以自适应的得到更符合数据集样本分布特点的分类结果，有助于情感分类算法在不同的实际应用场景中训练与使用。
📄 2020115068106
📂 G06K9_62
👤 北京工业大学
📅 2020-12-18
0本发明提供了一种基于神经网络的建筑裂缝检测方法，包括：步骤S100，获取建筑裂缝图像，对图像进行光照补偿；步骤S200，提取光照补偿后图像中建筑裂缝的不同分辨率的多尺度特征并融合；步骤S300，通过融合特征获得裂缝热力图确定裂缝位置，通过裂缝位置图和融合后的特征图采用空间注意力机制聚焦裂缝区域，检测裂缝宽度、裂缝长度和走向。
📄 202511254961X
📂 G06T7_00
👤 江苏建筑职业技术大学
📅 2025-09-04
0本发明公开了一种基于四维注意力卷积循环神经网络的疲劳分类方法，包括以下步骤：S1、采集脑电信号并输入四维特征提取模块，提取脑电信号的四维特征；S2、将提取到的四维特征输入注意力模块，到拥有空间‑通道注意力的特征；S3、将拥有空间‑通道注意力的特征输入卷积循环神经网络模块，进行疲劳分类。本发明解决了基于脑电信号的神经网络可解释性差的问题，它不仅提高了分类的准确率，并且通过它可以从空间和频带的角度进行可视化，提高网络的可解释性。使用深度可分离卷积层，相比于普通卷积层，模型大小降低了70％左右，准确率却提高1.44％，并且提出一种双分支深度可分离卷积，对空间信息的处理上融合了两种尺度感受野，进一步将准确率提高0.45％。
📄 202210359058X
📂 G06F18_2433
👤 成都信息工程大学
📅 2022-04-07
0本公开提供了一种图像识别模型的构建方法、装置、设备以及存储介质，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于人脸识别等场景。该方法包括：获取输入图像集合；利用输入图像集合对初始超分辨模型和初始识别模型进行联合训练，得到训练完成的超分辨模型和识别模型；将训练完成的超分辨模型和识别模型以级联的方式组合，得到图像识别模型。本公开的图像识别模型的构建方法提升了图像识别模型对低质量图像数据的鲁棒性。
📄 2021108565471
📂 G06V20_40
👤 北京百度网讯科技有限公司
📅 2021-07-28
0本公开提供了一种图像识别方法及装置、神经网络模型的训练方法及装置，涉及人工智能领域，具体为计算机视觉和深度学习领域。实现方案为：将待识别图像输入神经网络模型；以及至少基于多个网络模块中靠近神经网络模型的输入侧的部分网络模块执行对待识别图像的识别，其中，针对至少一个超网络模块中任一超网络模块及其所对应的预测器，在该超网络模块接收到上一个网络模块所输出的特征图的情况下，将特征图输入与该超网络模块所对应的预测器，以获取该预测器所输出的预测值，基于预测值，确定该超网络模块的至少两个子网络中的一个子网络为选中子网络，以及在该超网络模块中，利用选中子网络执行对待识别图像的识别。
📄 2021101275529
📂 G06V10_82
👤 北京百度网讯科技有限公司
📅 2021-01-29
0本发明涉及医疗影像处理技术领域，公开了一种基于图像识别的神经肿瘤识别定位方法及系统，获取患者的神经医学图像，对图像进行预处理，利用Transformer‑ConvNet混合模型对预处理后的图像进行特征提取，将提取到的特征输入到分类器中，进行肿瘤的初步识别，若初步识别存在肿瘤，利用基于可变形卷积的RPN网络在图像中生成包含肿瘤的候选区域，采用全连接神经网络对候选区域进行语义分割，确定肿瘤的具体位置和轮廓，根据肿瘤的具体位置和轮廓，结合肿瘤的形态学特征，生成最终的识别结果；本发明能够更高效、准确地识别和定位神经肿瘤，为临床诊断和治疗提供了有力的支持。
📄 202511351965X
📂 G06V10_26
👤 武文杰
📅 2025-09-22
0本发明涉及一种基于线性系统的全光非线性神经网络系统，属于光学神经网络技术领域。解决光学神经网络依赖非线性材料或光电转换实现非线性运算的瓶颈问题。技术方案包括输入模块将输入信号加载于环形谐振腔谐振波长失谐量；耦合模块调控层间权重；神经元模块通过多层环形谐振腔线性传输信号；输出模块将输出信号加载于探测光功率。输入输出信号分载于不同物理量，使线性系统实现非线性功能。有益效果包括突破光学非线性运算瓶颈，显著降低系统复杂度与能耗，增强兼容性与实用性，提升并行计算效率及系统可扩展性。
📄 2025108412455
📂 G02F1_365
👤 重庆邮电大学
📅 2025-06-23
0本发明涉及一种基于波分复用的全光可重构硅基光子神经网络芯片，属于光计算领域。该芯片采用新型全光调控非线性机制，能够实现波分复用信号的非线性激活，还以及网络层数、每层神经元个数可变和非线性激活函数可调的多层、可重构光子神经网络。光子神经网络芯片中的单层网络由分光区、线性运算模块、非线性运算模块、光引出装置模块、合光区组成。分光/合光区用于实现信号光和探测光的多路分/合光；线性运算模块用于实现信号光的权重运算和调控单层神经元个数；非线性运算模块用于实现可调非线性激活函数的运算；所述光引出装置模块用于输出光子神经网络芯片结果，并实现网络层数的调控。
📄 2024105681807
📂 H04J14_02
👤 重庆邮电大学
📅 2024-05-09
0本发明公开了一种基于残差神经网络的RIS辅助室内指纹定位方法，适用于RIS辅助的下行多径传输SISO毫米波定位系统，该系统包括基站、RIS和用户；该方法通过以下步骤实现：定义用户的接收信号矩阵，包含基站、RIS、用户和散射体的三维位置；对用户的接收信号矩阵进行归一化，得到实值矩阵作为样本；在室内环境中调整用户的三维位置，记录真实三维位置作为标签，构建数据集并分为训练集和验证集；利用训练集对残差神经网络进行离线训练，优化网络参数并保存最优权重；在实际定位场景中，将实时接收信号矩阵处理后输入训练好的模型，输出用户的预测三维位置；本发明结合RIS和残差神经网络，提高了室内定位的精度和鲁棒性，并实现了快速定位。
📄 202510650024X
📂 H04W64_00
👤 宁波大学
📅 2025-05-20
0本发明公开了一种基于复数卷积神经网络和时频分析的多普勒雷达定位方法，包括构建多人移动多普勒穿墙解调后回波信号，采用已构建的回波信号，构建对应的理想时频谱图，同时构建训练数据集；以深度学习网络为基本构架，构建时频谱图初步预测模型，同时采用训练数据集，针对模型进行训练，得到最终的时频谱图预测模型；采用得到的模型，针对实时获取的雷达回波信号进行预测，获取预测时频谱图；采用获取的预测时频谱图，针对墙内目标进行轨迹预测，实现雷达定位；本发明方法通过将深度学习与时频分析相结合，压制频率模糊问题；通过引入带有跳跃残差结构的网络，进一步提升时频分辨率；本发明方法的精度提高、偏移减少、鲁棒性增强、抗噪性能提升。
📄 2023117095690
📂 G01S7_41
👤 中南大学
📅 2023-12-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台