本实用新型涉及配件技术领域，公开了一种汽车检测用解码器防摔外壳，包括上壳，所述上壳底部固定连接有下壳，所述上壳内部设置有观察窗，所述上壳外周边缘四角均固定连接有减振板，四个所述减振板外周均固定连接有胶垫，所述上壳左右两侧均固定连接有固定块一，所述下壳左右两侧均固定连接有固定块二，所述固定块一内部滑动连接有两个活动杆，两个所述活动杆相近的一端均设置有连接块，两个所述连接块之间相近的一侧固定连接有弹簧，所述连接块中部固定连接有连接扣，两个所述连接扣内部转动连接有连接杆。本实用新型中，解决了防摔外壳不便拆解对其解码器本体进行维修和解码器温度过高影响工作效率的问题。
📄 2023222837323
📂 H05K5_02
👤 天津市浮云端科技服务有限责任公司
📅 2023-08-24
已申报项目
本发明属于语义分割技术领域，具体公开了一种基于双解码器的语义分割方法及系统，该方法利用多个空间注意力模块与一个通道注意力模块串联，构建AOA解码器；或者将多个空间注意力模块与一个通道注意力模块并联，构建AIA解码器；若用AOA解码器，编码器不同阶段输出的特征信息分别对应输入AOA解码器的空间注意力模块，将编码器的空间信息融合后输入AOA解码器的通道注意力模块，提取重要特征；若用AIA解码器，编码器输出的特征信息输入AIA解码器的空间注意力模块和通道注意力模块，计算确定AIA解码器中不同空间特征信息内的重要特征；输出得到的重要特征，作为语义分割结果。采用本技术方案，学习空间和语义信息，提高语义分割精度。
📄 2022114646517
📂 G06V10_26
👤 重庆大学
📅 2022-11-22
本发明涉及一种基于边界引导注意力的编解码器医学图像分割系统及方法，属于医学图像处理技术领域。本发明包括编码器、解码器、特征增强模块和边界引导注意力模块。医学图像输入编码器中得到不同尺度的特征，并输出至解码器；解码器根据特征完成医学图像分割；在编码器的不同尺度特征输出之后还连接有特征增强模块，用于增强编码器的语义特征，组合不同感受野的语义信息，编码器的特征输出经过特征增强模块后再进入解码器；边界引导注意力模块设置在解码器中相邻的decoder模块之间，用于强化医学图像的边界信息。本发明在泛化能力和鲁棒性上表现优秀，获得的医学图像分割结果边界清晰，小目标明显。
📄 2023105016039
📂 G06T7_12
👤 重庆邮电大学
📅 2023-05-06
本发明提供了一种基于分离‑挤压‑瓶颈‑联合编解码器的息肉图像分割技术，以下步骤：步骤1:对于给定的的息肉图像#imgabs0#，从基于res2net()主干网中提取五个层级的特征；将特征#imgabs1#分为低层特征和高层特征；步骤2:使用带有分离‑挤压‑瓶颈‑联合编码器对不同层级进行编码；步骤3:在编码阶段，使用编码器对不同层级特征进行融合;步骤4:在细化阶段，使用分离‑挤压‑瓶颈‑联合块编码器提取的信息对初始预测图逐级地细化特征；步骤5:在整个网络的训练中，采用交叉熵损失函数和交并比损失函数来指导网络的学习;应用本技术方案可实现从不同的角度挖掘几何上下文信息，同时计算通道相关关系，增强特征的表征能力，以解决息肉分割问题。
📄 2022103113504
📂 G06T7_11
👤 闽江学院
📅 2022-03-28
一种基于信息互补的双流解码器的图像显著性检测方法，包括：步骤S1、将标签图像分解得到对应的主体标签图和轮廓细节标签图；步骤S2、对训练数据集图像做随机裁剪、随机旋转、归一化、灰度化处理以增强样本的多样性；步骤S3、输入图像，使用VGG16框架预先处理，并使用一组不同维度的编码块，分别收集不同大小的图像特征；步骤S4、对通过编码器得到的五层输出特征图输入Embedding层，进行统一维度；步骤S5、将目标主体图编码后的特征和轮廓细节图编码后的特征，分别传入显著性支路和轮廓图支路，同时在各自支路上分别用获得的主体特征图和轮廓特征图进行监督；步骤S6、将两个主支路上所得到的目标主体特征和轮廓细节特征进行相加融合后，得到最终的预测图像。
📄 2021113040647
📂 G06V10_25
👤 浙江工业大学
📅 2021-11-05
本发明公开了一种基于编码器解码器的次路引导主路学习交互检测方法，包括取已标注的交互图片输入特征提取模块，得到由特征提取模块输出的图片特征；将图片特征分别输入所述双路学习模块的主路和次路，得到主路和次路分别输出的用于人、物和交互的特征；将主路和次路输出的用于人、物和交互的特征输入所述交互预测模块，得到分别对应于主路和次路的预测结果；根据对应于主路和次路的预测结果进行一致性学习，并对主路和次路进行损失监督，更新深度学习模型的网络参数；取训练后最优的深度学习模型对待检测的交互图片输出预测结果。本发明引入多层感知机进行全局感受野编码，以克服上述背景技术中所提出的技术问题。
📄 2022111759072
📂 G06V10_82
👤 浙江工业大学
📅 2022-09-26
本发明公开了一种基于级联解码器的语义人物交互检测方法，将待检测图像输入到骨干网络提取特征，将提取的特征展平为一维向量，作为后续处理的图像视觉特征，然后将图像视觉特征输入到共享编码器，得到编码特征，之后采用人‑物解码器和动词解码器进行解码，采用语义分支得到置信度分数，采用置信度分数来约束输出，得到最终的检测结果。本发明使用级联解码器的结构来更好的获取人‑物与动作的特征，并通过预训练的语义模块来约束预测结果的输出，最后输出交互结果，提高了人‑物交互检测的精度。
📄 2022108030601
📂 G06V40_20
👤 浙江工业大学
📅 2022-07-07
本发明公开了一种基于编码器解码器结构的增强样本和增强查询的交互检测方法，包括取已标注的交互图片输入特征提取模块，得到由特征提取模块输出的图片特征；将图片特征分别输入所述动态语言信息生成查询模块和掩码真值去噪模块，得到两组用于查询人、物和交互的查询；将两组查询输入到解码器得到两组用于预测交互三元组的特征；再将两组特征输入交互预测模块得到预测结果。根据多标签Focal损失和交互损失，监督预测结果，更新深度学习模型的网络参数；取训练后最优的深度学习模型对待检测的交互图片输出预测结果。本发明引入动态语言信息生成查询模块和掩码真值去噪模块，以克服上述背景技术中所提出的技术问题。
📄 2023101822500
📂 G06V10_40
👤 浙江工业大学
📅 2023-03-01
本发明公开了一种基于Transformer解码器的3D人体模型重建方法，对原始RGB图像进行预处理，将其输入卷积神经网络进行特征提取，获得图像网格特征；将模板3D人体模型的顶点坐标输入一个线性层，获得编码后的模板顶点特征，将图像网格特征融入当前状态的顶点特征，并最终形成变换后的顶点特征，将变换后的顶点特征通过上采样层进行上采样，并通过逆向线性层将顶点特征解码为最终预测的3D人体模型顶点坐标。本发明更加充分地利用了图像网格特征中的局部信息，同时对顶点特征变换过程施加严格的语义一致性约束，帮助网络忽略不必要的语义转换，聚焦于预测更精准的人体模型。
📄 2021115439219
📂 G06T17_20
👤 浙江工业大学
📅 2021-12-16
一种基于深度神经网络的图像编解码器的训练方法，所述训练方法包括以下步骤：第一步、空间解耦：用于解除编解码器和生成模型的耦合，并解除隐变量编码与重建模块的耦合；第二步，时间分治：在训练编解码器的不同阶段优化不同的损失函数并使用不同的学习速率来提高训练的速度与稳定性。本发明提供了一种有效避免多个误差函数相互干扰的基于深度神经网络的图像编解码器的训练方法。
📄 2018104462794
📂 G06K9_62
👤 浙江工业大学
📅 2018-05-11
本发明公开了一种基于多时间步金字塔编解码器的目标跟踪方法。本发明方法首先对含有模板帧的视频帧序列通过编码器获取时序编码特征，并对时序编码特征进行卷积与池化操作获得时序卷积核；然后构建全局卷积模块获得帧序列的长短期特征，并将时序编码特征与长短期特征输入构建的多尺度特征生成模型以捕获多尺度特征；最后通过分类支路与回归支路获得目标中心点及其所在区域信息，并据此获得最终的目标边界框。本发明方法利用多时间步编码器并行地快速处理连续的多个视频帧，通过全卷积模块刻画视频帧间的长短期时序关系，并充分融合不同尺度下的目标特征，能够有效捕捉跨度时间长、尺度变化大的目标，提高了目标跟踪的准确率和效率。
📄 2020111549662
📂 G06T7_246
👤 杭州电子科技大学
📅 2020-10-26
本发明提出一种基于双分支解码器的医学图像分割方法及系统，其中方法包括：步骤1：基于CNN‑Transformer混合编码器提取医疗图像的图像特征；步骤2：构建像素解码器，基于像素解码器对医疗图像的特征图进行恢复分辨率；步骤3：构建含有LMaX Transformer的增强解码器，获取医疗图像的分割预测结果；步骤4：设计对比聚类分配损失，获取特征增强视图并增强特征增强视图和聚类结果之间的相似度；步骤5：设计多尺度分割损失，获取总分割损失，通过总分割损失反向传播优化混合编码器和增强解码器的参数，完成医疗图像的自动分割。本发明通过将聚类分配作用于增强特征，可以提升特征增强视图之间的一致性，同时提升解码器的解码能力，进一步提高了分割的精度和鲁棒性。
📄 2024103973872
📂 G06V10_26
👤 黑龙江大学
📅 2024-04-03
柿子坊 · 知识产权运营
柿子坊知识产权运营平台