法律状态: 全部 已授权 审中
项目申报: 全部 报过 没有报过
共 1256 件在售专利
本发明公开了一种基于可能性聚类和卷积神经网络的道路交通标识识别方法,包括以下步骤对图像数据集进行预处理,所述预处理包括归一化操作、数据增强、色彩增强以及使用极大化类间距离的可能性聚类算法与Hu不变矩相结合进行降噪和特征提取,得到训练数据集;构建卷积神经网络模型,并利用所述训练数据集对所述卷积神经网络模型进行充分训练,利用训练后的网络模型对图像进行分类识别。效果:采用归一化与数据增强对数据集进行预先操作使得满足卷积神经网络模型结构对数据集的要求,能够减少了网络模型训练时间并保证了识别的准确率。
📄 2019100926258 📂 G06K9_00 👤 江南大学 📅 2019-01-30
¥0.0 元
本发明提供基于多路卷积神经网络的语音识别方法,其能够提取更充分的语音信息,且处理数据量较大的音频数据时,具有更好的拟合性。其包括:S1:输入原始语音并进行处理;S2:提取出反映语音信号特征的关键特征参数,形成特征矢量序列;S3:基于多路卷积神经网络模型为基础、CTC作为损失函数,构建声学模型;多路卷积神经网络的结构包括依次设置的子网络结构、连续的全连接层、CTC损失函数;S4:训练声学模型,得到训练好的声学模型;S5:将待识别的特征矢量序列输入到训练好的声学模型中得到识别结果;S6:以步骤S5中得到的识别结果为基础进行后续的运算,即得到能够以最大概率输出该语音信号的词串,词串即原始语音被识别后的语言文字。
📄 2018111558132 📂 G10L15_02 👤 江南大学 📅 2018-09-30
¥0.0 元
本发明提供基于卷积神经网络的语音识别方法,其更加擅长提取高层特征,建模过程简单、容易训练、模型的泛化性能更佳,能够更广泛的应用到各种语音识别的场景中。其包括:S1:对输入的原始语音信号进行预处理;S2:提取出反映语音信号特征的关键特征参数,形成特征矢量序列;S3:基于DCNN网络模型为基础、以联结主义时间分类器CTC作为损失函数,构建端对端方式的声学模型;S4:训练声学模型,得到训练好的声学模型;S5:将步骤S2中得到的待识别的特征矢量序列输入到训练好的声学模型中得到识别结果;S6:以步骤S5中得到的识别结果为基础进行后续的运算,即得到能够以最大概率输出该语音信号的词串,词串即原始语音被识别后的语言文字。
📄 2018111125066 📂 G10L15_06 👤 江南大学 📅 2018-09-25
¥0.0 元
本发明公开了基于Gabor滤波和深度神经网络的经编提花织物疵点检测方法,包含训练阶段和检测阶段两部分。模型训练阶段中采用无疵点织物图像,通过图像预处理得到训练样本集,然后训练深度神经网络中的参数。检测时,首先得到待测图像的检测样本集,然后采用深度神经网络得到网络输出,最后得到疵点检测结果。本发明采用Gabor滤波器提取织物纹理特征,根据Fisher准则计算代价函数值,能够提取图像中各个方向大小的纹理,提高检测准确率。采用深度神经网络自动选择图像特征,解决现有基于机器视觉疵点检测方法人为选择特征的缺陷和不足。
📄 2017113927584 📂 G06T7_00 👤 江南大学 📅 2017-12-21
¥0.0 元
本发明提供了一种基于卷积神经网络的易拉罐罐底喷码字符在线视觉检测方法,包括离线状态下对图像中字符进行分割,并归类构建字符库,采用改进后的卷积神经网络学习法进行训练,形成稳定的分类器;在线检测中实时拍摄图片,分割字符,并用分类器进行分类,对存在瑕疵不合格的产品进行剔除;在保证实时性的同时极大的提高了检测精度,完全可以满足易拉罐罐底喷码字符在线检测过程高实时性、高准确性的要求。
📄 2014101738592 📂 G06K9_20 👤 无锡信捷电气股份有限公司, 江南大学 📅 2014-04-26
¥0.0 元
本发明公开了一种基于深度神经网络的影像三维组织分割与测定方法,包括,采集活体猪的CT图像,划分为训练集与测试集并在训练集上进行标注;构建CT床分割网络和内脏分割网络,并利用所述标注好的训练集进行训练得到CT床分割模型和内脏分割模型;利用所述CT床分割模型和所述内脏分割模型预测其掩膜图并去除所述CT床和内脏;结合所述活体猪的CT图像提取出猪体的脂肪、肌肉与骨骼部分并计算猪体的总体质量及各个组织的占比。可以自动、快速、准确分割出种猪的脂肪、肌肉和骨骼等组织,并且本方法适用于任何形状、任何大小的种猪。
📄 2020109992563 📂 G06T7_11 👤 江南大学, 安徽工大信息技术有限公司 📅 2020-09-22
¥0.0 元
本发明涉及一种融合模块和多尺度特征融合卷积神经网络及图像识别方法,包括上一层、融合层以及级联层,所述上一层将输入图片通过所述融合层运算,再将运算完成的结果通过所述级联层进行合并输出,所述融合层由在原始模块中加入瓶颈结构和空洞卷积结构共同组合而成。本发明不但错误率低,而且有效减少网络的参数量,有利于提升模型泛化能力。
📄 2020108887682 📂 G06V10_80 👤 江南大学 📅 2020-08-28
¥0.0 元
一种用于数字图像识别的构建型神经网络参数融合优化方法,属于人工智能数字图像识别领域。本方法包括:构建融合优化性能指标;融合优化算法;利用构建的神经网络进行数字图像识别。本发明还通过收敛性分析验证了本发明的有效性,其中第一部分为准备环节,第二部分的IOM算法为本发明的关键技术和实现步骤,第三个部分为理论保证。本发明提供一种隐含层节点参数和输出层参数的同步联合优化方法,在理论上相比于现有方法具有更小的保守性。本方法生成的构建型神经网络模型比现有方法产生的模型结构更紧凑,冗余节点更少,计算速度更快。相比于现有方法产生的模型在学习阶段的后期,误差收敛的速度更快,收敛精度更高,泛化性能更好。
📄 2020107665497 📂 G06V10_774 👤 江南大学 📅 2020-08-03
¥0.0 元
本发明属于机织物质量检测技术领域,涉及一种基于卷积神经网络的机织物结构参数识别方法。本发明提供一种基于卷积神经网络的机织物结构参数识别方法,可以同时检测识别织物经纬密、织物组织以及色织物色纱排列,是一种精确度高、鲁棒性强、品种适应性广的机织物结构参数识别方法。同时所提出的网络可分层提取不同的图像特征,使用的深度卷积网络可应用于各种复杂纹理和颜色的机织物,可同时检测各种结构参数包括织物经纬密、织物组织、色纱排列、配色模纹等,提升了机织物结构参数自动检测的效率和效果;本发明所提出的多任务多尺度卷积网络结构可以应用于其它领域中关联特征的目标定位识别问题。
📄 2020104863316 📂 G06V10_44 👤 江南大学 📅 2020-06-01
¥0.0 元
本发明公开了一种基于电子鼻结合人工神经网络预测煎炸油品质的方法,在煎炸油挥发性成分与TPC及极性组分细分(TGP、ox-TG、THP)模型建立基础上,待测样品经过快速气相电子鼻的检测通过导入matlab进行神经网络建模,可直接同步预测出各极性组分的含量,预测模型良好,对实际煎炸食品生产线上油脂品质控制提供了便利省时的方法,有利于监测油炸生产线上煎炸油的品质变化,为准确评估煎炸食品安全提供可靠依据。
📄 2020101391173 📂 G01N30_06 👤 江南大学 📅 2020-03-03
¥0.0 元
本发明提供一种基于迁移学习与自适应深度卷积神经网络的谷物质量检测方法,涉及机器视觉与谷物质量检测领域,该方法包括:采集源领域以及目标领域下的谷物样本图像,其中包括合格谷物的样本图像与带有缺陷的谷物的样本图像,选择深度卷积神经网络CNN模型识别缺陷,利用源领域训练好的模型参数初始化CNN模型,并引入迁移学习算法利用源领域样本辅助目标领域样本完成目标领域谷物的质量检测。在CNN模型的训练中提出自适应学习率,并引入二次函数与正态分布模型分别采取梯度下降与梯度上升的方式更新模型参数,优化模型损失。该方法能够提高CNN模型的训练性能,自适应领域的变化,极大程度的提高谷物质量检测的准确性。
📄 2020100199330 📂 G01N21_88 👤 江南大学 📅 2020-01-09
¥0.0 元
基于去噪卷积神经网络的远程监督实体关系抽取方法,属于自然语言处理、实体关系抽取领域。本发明提出了一种去噪卷积神经网络的模型来进行实体的关系进行抽取。使用特征缩放层对词向量在各语义空间进行有效缩放,同时通过对卷积网络中各卷积核进行注意力权重计算,使网络可以自己学习到不同卷积核的重要性,进而进一步降低噪声的影响,达到改善模型抽取能力的目的。
📄 201911306495X 📂 G06F16_36 👤 江南大学 📅 2019-12-18
¥0.0 元
发明 已授权
发明 已授权

基于多路卷积神经网络的语音识别方法

2018111558132 · 江南大学
¥0.0 元
发明 已授权

基于卷积神经网络的语音识别方法

2018111125066 · 江南大学
¥0.0 元
发明 已授权
发明 已授权

一种基于卷积神经网络的喷码字符在线视觉检测方法

2014101738592 · 无锡信捷电气股份有限公司, 江南大学
¥0.0 元
发明 已授权

一种基于深度神经网络的影像三维组织分割与测定方法

2020109992563 · 江南大学, 安徽工大信息技术有限公司
¥0.0 元
发明 已授权
发明 已授权
发明 已授权
发明 已授权
发明 已授权
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