文档详情

基于卷积神经网络和声音频谱的鸭蛋裂纹检测装置及方法.pdf

发布：2023-05-06约1.83万字共15页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 114544772 B (45)授权公告日 2022.08.05 (21)申请号 202210441556.9 CN 106455979 A,2017.02.22 (22)

显示全部

相似文档

基于卷积神经网络的帧内编码优化方法及装置.docx PAGE 1- 基于卷积神经网络的帧内编码优化方法及装置 第一章帧内编码技术概述 (1)帧内编码技术是视频压缩领域的一项关键技术，其主要目的是减少视频数据中冗余信息，从而降低数据传输和存储的负担。帧内编码通过去除帧内像素之间的空间冗余性来实现压缩，它不依赖于帧与帧之间的时间冗余信息。这种编码方式在视频编码标准如H.264/AVC和HEVC中扮演着重要角色，对于提高视频传输效率和质量具有显著影响。 (2)帧内编码技术主要包括预测编码和变换编码两个主要步骤。预测编码通过分析帧内像素间的空间相关性，预测当前像素值；而变换编码则将预测误差或残差进行变换，以提取能量集中的系数，进一步实现压缩。随着深度学
2025-01-21 约2.95千字 6页立即下载
基于卷积神经网络的信息隐藏方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113393359 A (43)申请公布日 2021.09.14 (21)申请号 202110539518.2 (22)申请日 2021.05.18 (71)申请人杭州电子科技大学地址
2023-06-17 约1万字 10页立即下载
一种基于卷积神经网络的焊点检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113409250 A (43)申请公布日 2021.09.17 (21)申请号 202110579200.7 (22)申请日 2021.05.26 (71)申请人杭州
2023-06-21 约1.8万字 17页立即下载
一种基于卷积神经网络的物品检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117541558A (43)申请公布日2024.02.09 (21)申请号202311543186.0G06V10/764(2022.01)
2024-02-08 约6.41千字 6页立即下载
深度卷积神经网络在裂纹检测中的应用综述.docx 深度卷积神经网络在裂纹检测中的应用综述目录深度卷积神经网络在裂纹检测中的应用综述（1）．．．．．．．．．．．．．．．．4 内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 1.2研究内容与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5 1.3文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6 深度学习基础．．．．．．．．．．．．．．．
2025-05-28 约4.68万字 73页立即下载
基于卷积神经网络算法的设备形变检测方法和装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112833808 A (43)申请公布日 2021.05.25 (21)申请号 202110013636.X (22)申请日 2021.01.05 (71)申请人厦门银江智慧城市技术股份有限公
2023-06-03 约1.12万字 10页立即下载
基于卷积神经网络的客流检测方法、系统、装置和介质.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113408369 A (43)申请公布日 2021.09.17 (21)申请号 202110602655.6 (22)申请日 2021.05.31 (71)申请人广州忘平信息科技有限公司
2023-06-19 约1.16万字 11页立即下载
一种基于轻量化卷积神经网络的混凝土裂缝检测方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114782754 A (43)申请公布日 2022.07.22 (21)申请号 202210586062.X (22)申请日 2022.05.27 (71)申请人广西大学地址 530004 广
2023-05-16 约2.26万字 15页立即下载
一种基于卷积长短时记忆神经网络的频谱感知方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114567398 A (43)申请公布日 2022.05.31 (21)申请号 202210371753.8 (22)申请日 2022.04.11 (71)申请人浙江工业大学
2023-05-07 约8.73千字 7页立即下载
一种基于卷积神经网络关系建模的环境声音分类方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113362855 B (45)授权公告日 2022.06.21 (21)申请号 202110679471.X (56)对比文件 (22)申请日 2021.06.18
2023-06-19 约1.98万字 15页立即下载
基于卷积神经网络的目标检测算法综述.pptx 基于卷积神经网络的目标检测算法综述;引言 卷积神经网络基本原理 基于卷积神经网络的目标检测算法分类经典目标检测算法介绍与比较;目标检测数据集及评价标准挑战与未来发展趋势;引言;;;;卷积神经网络基本原理;;;;;基于卷积神经网络的目标检测算法分类;;;;经典目标检测算法介绍与比较;首次将卷积神经网络（CNN）应用于目标检测任务，通过选择性搜索（SelectiveSearch）生成候选区域，然后使用CNN进行特征提取和分类。;;;;目标检测数据集及评价标准;;;;挑战与未来发展趋势;;;;THANKS
2024-06-15 约小于1千字 30页立即下载
基于卷积神经网络的口罩检测.docx PAGE2 PAGE2 目录摘要3 Abstract3 第一章：绪论41.1研究背景及意义4 1.2国内外研究现状5 1.3本文的主要工作6 1.4论文的组织结构7第二章图像预处理技术和人脸检测技术7 2.1常见的图像预处理技术72.2人脸检测技术10第三章深度学习理论基础与卷积神经网络13 3.1深度学习概述13 3.2卷积神经网络特点15 3.3卷积神经网络基本组成18 3.3.1卷积层19 3.3.2池化层20 3.3激活函数20 3.3.4输出层（全连接层）22 3.4本章小结22
2024-12-19 约2.19万字 42页立即下载
基于卷积神经网络的异常检测技术研究.docx PAGE 1- 基于卷积神经网络的异常检测技术研究第一章异常检测技术概述 (1)异常检测技术在众多领域都扮演着至关重要的角色，它旨在从大量数据中识别出那些不符合正常模式的数据点或事件。随着大数据时代的到来，数据量呈爆炸式增长，如何从海量数据中快速准确地发现异常成为了一个亟待解决的问题。传统的异常检测方法通常依赖于统计模型和启发式规则，但这些方法往往难以处理高维数据和非线性关系，且对异常类型的适应性较差。 (2)近年来，深度学习技术的快速发展为异常检测领域带来了新的突破。卷积神经网络（CNN）作为一种强大的特征提取工具，在图像识别、自然语言处理等领域取得了显著成果。将CNN应用于异常检测，可以
2025-01-21 约1.87千字 4页立即下载
基于卷积神经网络的肺部疾病检测算法.docx PAGE 1- 基于卷积神经网络的肺部疾病检测算法第一章卷积神经网络（CNN）简介 (1)卷积神经网络（ConvolutionalNeuralNetworks，CNN）是一种深度学习模型，特别适用于图像识别和图像处理任务。自从2012年AlexKrizhevsky等人在ImageNet竞赛中凭借CNN模型获得冠军以来，CNN在计算机视觉领域取得了显著的成果。CNN通过模仿人类视觉系统中的视觉感知机制，能够自动学习图像的特征表示，从而实现图像分类、目标检测、图像分割等任务。 (2)CNN的核心结构是卷积层，它能够自动提取图像中的局部特征，并通过权重共享减少模型参数，从而降低计算复杂度。在卷积层
2025-01-19 约1.97千字 4页立即下载
基于卷积神经网络检测肺结节.docx PAGE 1- 基于卷积神经网络检测肺结节第一章引言随着我国人口老龄化的加剧，肺部疾病的发生率逐年上升，其中肺结节作为常见的肺部疾病之一，其早期诊断对于患者的预后具有重要意义。近年来，医学影像技术的发展为肺结节的诊断提供了有力支持，尤其是计算机辅助诊断技术的应用，显著提高了诊断效率和准确性。然而，传统的肺结节检测方法往往依赖于人工阅片，不仅效率低下，而且容易受到主观因素的影响。因此，研究一种基于深度学习的肺结节检测方法，对于提高诊断速度和准确性具有重要意义。 卷积神经网络（ConvolutionalNeuralNetwork，CNN）作为一种强大的深度学习模型，在图像识别领域取得了显著成果
2025-01-21 约2.61千字 5页立即下载