[深度学习] 基于特征融合的多尺度行人检测方法.pdf

说明：发明专利说明书。本发明公开了一种基于特征融合的多尺度 行人检测方法，属于计算机视觉中的行人检测技 术领域，解决现有技术中，对行人检测所用的特 征融合、多级检测方法会造成小目标检测精度 低，或检测时间长、资源需求高
<phytle0> 上传 | 大小：880kb

[深度学习] 基于文档的智能办公文件推送技术.pdf

说明：发明专利说明书。本发明公开一种基于文档的智能办公文件 推送技术，所述技术包含文档特征提取、文档重 要性排序以及文档推送的功能：特征提取模块主 要负责提取原始文档中能够有效代表文档含义 的特征向量；文档重要性采用卷积神经网络
<phytle0> 上传 | 大小：374kb

[深度学习] 加速库的设计方法、终端设备及存储介质.pdf

说明：发明专利说明书。本发明适用于计算机技术领域，提供了加速 库的设计方法、终端设备及存储介质，所述方法 包括：将卷积神经网络CNN模型的数据进行定点 化，以采用整型数据表示所述CNN模型的浮点型 数据；
<phytle0> 上传 | 大小：625kb

[深度学习] 图像生成方法及系统.pdf

说明：发明专利说明书。本发明公开了一种图像生成方法及系统，涉 及计算机技术领域，该图像生成方法包括：获取 当前红外图像；基于训练后的卷积神经网络模 型，获取当前红外图像对应的当前实体轮廓
<phytle0> 上传 | 大小：541kb

[深度学习] 一种对中晚孕期胎儿的超声切面图像进行质量控制的方法.pdf

说明：本发明公开了一种对中晚孕期胎儿的超声 切面图像进行质量控制的方法，包括：获取胎儿 某部位切面图像，对胎儿某部位切面图像进行预 处理操作，以得到预处理胎儿某部位切面图像， 将预处理胎儿某部位切面图像输入训练好的深 度卷积神经网络中
<phytle0> 上传 | 大小：1mb

[深度学习] 一种多维泄漏信息检测方法、终端设备及存储介质.pdf

说明：发明专利说明书。本发明涉及一种多维泄漏信息检测方法、终 端设备及存储介质，该方法中包括：S1：从多个维 度上采集电子设备的电磁泄露信号组成对应的 多个训练集；S2：构建改进卷积神经网络模型
<phytle0> 上传 | 大小：1mb

[深度学习] 一种基于MaskRCNN识别太赫兹安检图像可疑物体的检测方法__神经网络图.pdf

说明：发明专利说明书。本发明公开了一种基于Mask RCNN识别太赫 兹安检图像可疑物体的检测方法，本发明采用了 多张太赫兹安检图片构成的训练数据集、验证数 据集和测试数据集与标注，构建基于Mask-RCNN 的图像识别模型并利用所述训练数据集训练该 模型，以及利用所述验证数据集验证该模型的图 像识别结果，该模型可以对太赫兹安检图像中人 体携带的可疑物体进行良好的目标识别与检测。 综上，本发明结合深度学习卷积神经网络思想
<phytle0> 上传 | 大小：537kb

[深度学习] 一种基于卷积神经网络的条纹投影三维扫描方法.pdf

说明：发明专利说明书。本发明公开了一种基于卷积神经网络的条 纹投影三维扫描方法，该方法涉及计算机视觉， 光学三维扫描和图像处理领域。该扫描方法用计 算机生成一张正弦编码条纹图，利用投影装置将 其投射在被扫描物体上
<phytle0> 上传 | 大小：457kb

[深度学习] 一种基于卷积神经网络和简单循环单元的语音情感识别方法.pdf

说明：发明专利说明书。本发明公布了一种基于卷积神经网络和简 单循环单元的语音情感识别方法。首先，提取出 语音中的谱图特征及其一阶差分和二阶差分，组 合成三维特征。将这些特征在时间轴上分割成固 定的片段数，并使用在ImageNet数据集上初始化 参数的Alexnet网络
<phytle0> 上传 | 大小：557kb

[深度学习] 一种基于生成对抗网络由父母照片生成子女照片的方法.pdf

说明：卷积神经网络。发明专利说明书。本发明公开了一种基于生成对抗网络由父 母照片生成子女照片的方法，将人脸图像数据行 划分为训练样本集与测试样本集，并对训练样本 集中的人脸图像进行数据预处理。之后，重新构 建生成对抗中生成器的卷积神经网络结构
<phytle0> 上传 | 大小：671kb

[深度学习] 一种基于双路卷积和特征融合的图像隐写分析方法.pdf

说明：卷积神经网络。发明专利说明书。本发明公开了一种基于双路卷积和特征融 合的图像隐写分析方法，其步骤包括：1、构建图 像隐写分析的深度学习网络框架；2、图像数据集 的准备；3、网络的初始化
<phytle0> 上传 | 大小：676kb

[深度学习] 一种肿瘤患者心理痛苦评估仪及其评估方法.pdf

说明：卷积神经网络。发明专利说明书。本发明公开了一种肿瘤患者心理痛苦评估 仪及其评估方法，包括：S1、确定研究对象，提取 其临床参数，并基于量表评估结果构建研究对象 的临床数据库；S2、处理所述临床数据库中的人 脸图像资料；S3、采用图像特征提取算法训练特 征提取器和分类器，并对输入人脸图像的分级信 息进行预测；S4、基于精确度测试，验证训练结 果，构建积神经网络算法模型；
<phytle0> 上传 | 大小：774kb