一种基于并行多图卷积神经网络的无监督专利聚类方法.pdf

一种基于卷积神经网络的社交网络文本聚类方法.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 CN106776740A （43）申请公布日2017.05.31 （21）申请号CN201611027489.7 （22

2024-11-29 约1.28千字 4页立即下载

一种基于卷积神经网络的人体粪便自动识别方法[发明专利].docx PAGE 1- 一种基于卷积神经网络的人体粪便自动识别方法[发明专利] 一、背景技术 (1)随着社会的发展和科技的进步，人体粪便作为健康监测的重要指标，其检测与分析在临床医学和公共卫生领域具有极其重要的意义。传统的粪便检测方法主要依赖于人工观察，存在效率低、主观性强、易受人为因素干扰等问题。为了提高粪便检测的准确性和效率，近年来，人工智能技术在医学影像分析领域的应用日益广泛。 (2)卷积神经网络（ConvolutionalNeuralNetwork，CNN）作为一种深度学习模型，在图像识别领域取得了显著的成果。CNN能够自动提取图像特征，具有较强的鲁棒性和泛化能力，使其在医学图像分析中具有广泛

2025-01-23 约2.62千字 5页立即下载

一种基于卷积神经网络的双目标增量学习方法[发明专利].docx PAGE 1- 一种基于卷积神经网络的双目标增量学习方法[发明专利] 一、引言随着大数据时代的到来，信息处理与分析技术得到了飞速发展。在众多领域，如图像识别、自然语言处理和智能推荐等，对数据的实时分析与预测需求日益增长。传统的机器学习方法在处理大量数据时，往往面临计算复杂度高、模型泛化能力差等问题。因此，如何高效、准确地处理海量数据，成为当前研究的热点。近年来，卷积神经网络（ConvolutionalNeuralNetworks,CNN）在图像识别领域取得了显著成果，其强大的特征提取能力使其在图像分类、目标检测等方面得到了广泛应用。然而，在处理增量学习问题时，CNN模型往往难以适应数据分布

2025-01-20 约3.02千字 6页立即下载

一种基于卷积神经网络的黄瓜病害识别方法[发明专利].docx PAGE 1- 一种基于卷积神经网络的黄瓜病害识别方法[发明专利] 第一章黄瓜病害识别方法概述黄瓜病害是影响黄瓜产量和质量的重要因素，据统计，全球每年因黄瓜病害造成的经济损失高达数十亿美元。黄瓜病害的种类繁多，常见的有霜霉病、白粉病、疫病等，这些病害在黄瓜生长过程中如得不到及时有效的控制，将严重影响黄瓜的品质和产量。传统的黄瓜病害识别方法主要依赖于人工经验，通过观察黄瓜叶片、茎蔓等部位的症状来进行判断。然而，这种方法受限于人工经验和主观判断，识别准确率不高，且效率低下。随着计算机视觉和深度学习技术的快速发展，基于图像的黄瓜病害识别方法逐渐成为研究热点。卷积神经网络（Convolutiona

2025-01-21 约2.04千字 4页立即下载

一种基于卷积神经网络的宫颈细胞图像识别方法[发明专利].docx PAGE 1- 一种基于卷积神经网络的宫颈细胞图像识别方法[发明专利] 一、背景介绍 (1)宫颈癌是全球女性癌症死亡的主要原因之一，每年有超过50万新发病例，且这一数字仍在持续上升。早期诊断和及时治疗对于提高宫颈癌患者的生存率至关重要。传统的宫颈细胞学检查方法，如巴氏涂片，虽然应用广泛，但其准确性和效率仍有待提高。近年来，随着深度学习技术的飞速发展，基于卷积神经网络的图像识别方法在医学影像领域展现出巨大的潜力。 (2)宫颈细胞图像识别方法的研究主要针对宫颈细胞学检查中存在的误诊和漏诊问题。据统计，传统巴氏涂片检查的准确率约为70%，且由于阅片医生的主观性，误诊率较高。卷积神经网络（CNN）作为

2025-01-21 约3.06千字 6页立即下载

一种基于注意力的卷积神经网络优化方法[发明专利].docx PAGE 1- 一种基于注意力的卷积神经网络优化方法[发明专利] 一、引言随着计算机视觉领域的不断发展，卷积神经网络（CNN）在图像识别、目标检测和图像分割等任务中取得了显著的成果。然而，传统的CNN模型在处理复杂场景和大量数据时，往往存在计算量大、参数冗余以及模型性能难以进一步提升等问题。为了解决这些问题，研究者们提出了各种优化方法，其中基于注意力的卷积神经网络（CNN）优化方法引起了广泛关注。这种优化方法通过引入注意力机制，能够有效地关注图像中的重要区域，从而提高模型的识别准确率和计算效率。在图像识别任务中，传统的CNN模型通常会对整个图像进行全局卷积，导致模型难以捕捉到图像中的局部特

2025-01-21 约4.13千字 8页立即下载

一种基于卷积神经网络的高光谱遥感图像分类方法及系统[发明专利].docx PAGE 1- 一种基于卷积神经网络的高光谱遥感图像分类方法及系统[发明专利] 一、引言随着遥感技术的不断发展，高光谱遥感图像在资源调查、环境监测、灾害预警等领域发挥着越来越重要的作用。高光谱遥感图像具有丰富的光谱信息，能够反映地表物质的细微差异，因此在分类识别方面具有较高的精度。然而，高光谱遥感图像数据具有高维、高噪声、类间距离小等特点，给图像分类带来了巨大的挑战。传统的遥感图像分类方法，如基于特征提取和基于规则的方法，在处理高光谱遥感图像时往往难以达到理想的效果。近年来，卷积神经网络（ConvolutionalNeuralNetwork，CNN）在图像识别领域取得了显著的成果，其强大的

2025-01-20 约2.15千字 4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

一种基于宽卷积神经网络的图像去噪方法.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 112801897 A (43)申请公布日 2021.05.14 (21)申请号 202110071024.6 (22)申请日 2021.01.19 (71)申请人西安理工大学地址

2023-06-05 约1.75万字 18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

基于级联并行卷积神经网络的多手姿态关键点估计方法.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 112836597 A (43)申请公布日 2021.05.25 (21)申请号 202110056105.9 (22)申请日 2021.01.15 (71)申请人西北大学地址 71

2023-06-05 约9.97千字 11页立即下载

基于Im2col的并行深度卷积神经网络优化方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114819136 A (43)申请公布日 2022.07.29 (21)申请号 202210279825.6 (22)申请日 2022.03.21 (71)申请人韶关学院

2023-05-16 约2.22万字 16页立即下载

一种基于注意力机制和卷积神经网络的脑电信号分类方法[发明专利].docx PAGE 1- 一种基于注意力机制和卷积神经网络的脑电信号分类方法[发明专利] 一、背景技术 (1)随着社会经济的快速发展，心理健康问题日益凸显，脑电信号作为一种无创的生物标志，被广泛应用于心理疾病诊断和治疗研究中。脑电信号是由大脑神经元电活动产生的微弱电信号，可以反映大脑的生理和心理状态。脑电信号的分类和特征提取对于脑电图（EEG）数据分析、认知科学研究和神经工程领域具有重要意义。传统的脑电信号分类方法多依赖于经验公式和手工特征提取，但这些方法在处理复杂信号和进行大规模数据分析时存在一定的局限性。 (2)近年来，随着人工智能和深度学习技术的飞速发展，基于卷积神经网络（CNN）和循环神经网络（

2025-01-22 约3.93千字 7页立即下载

一种基于改进卷积神经网络的植物叶片病虫害识别方法[发明专利].docx PAGE 1- 一种基于改进卷积神经网络的植物叶片病虫害识别方法[发明专利] 一、背景与意义 (1)随着全球气候变化和农业生产的快速发展，植物病虫害问题日益严重，对农作物产量和品质造成了巨大影响。据统计，全球每年因病虫害损失高达数千亿美元，其中叶片病虫害是造成损失的主要原因之一。传统的病虫害识别方法主要依赖于人工经验，不仅效率低下，而且准确性受限于操作人员的专业水平。因此，开发一种高效、准确的植物叶片病虫害识别系统具有重要的现实意义。 (2)近年来，随着深度学习技术的快速发展，卷积神经网络（CNN）在图像识别领域取得了显著成果。CNN具有强大的特征提取和分类能力，能够自动学习图像中的特征，为植

2025-01-18 约3.48千字 7页立即下载

一种基于深度学习卷积神经网络的食用菌快速识别系统及方法[发明专利.docx PAGE 1- 一种基于深度学习卷积神经网络的食用菌快速识别系统及方法[发明专利一、背景技术 (1)食用菌作为一种重要的食品资源，其种类繁多，营养丰富，深受消费者喜爱。然而，在市场上存在着大量假冒伪劣的食用菌产品，这不仅影响了消费者的健康，也严重损害了市场的秩序。因此，对食用菌进行快速、准确、高效的识别成为当前食品安全领域亟待解决的问题。传统的食用菌识别方法主要依赖于人工经验和显微镜观察，这种方法存在效率低、准确性差、主观性强等缺点。 (2)随着人工智能技术的快速发展，基于深度学习的图像识别技术在各个领域得到了广泛应用。卷积神经网络（ConvolutionalNeuralNetwork，CN

2025-01-20 约2.92千字 6页立即下载