<thead id="3jag6"><rt id="3jag6"><noscript id="3jag6"></noscript></rt></thead>
  • <s id="3jag6"><track id="3jag6"><menuitem id="3jag6"></menuitem></track></s>
       
        

        <sub id="3jag6"><p id="3jag6"></p></sub>
          <style id="3jag6"></style>
          
国产精品久久久久久久网,人人妻人人澡人人爽国产,亚洲中文字幕无码爆乳APP,免费大片黄国产在线观看,无码抽搐高潮喷水流白浆,国产久免费热视频在线观看,国产亚洲精品成人aa片新蒲金,久久久97丨国产人妻熟女































          
    
          

        
       



    
          

          






    
    
    
    Document
    




          
    
          
        
          
            
        
          
        
          
            
        
          
    
          
    
          
        
          
            拖動(dòng)滑塊完成拼圖
        
          
        
          
    
          
    
          
        
          
        
          
    
          

          














          
    
    
          
        首頁
        專利交易
        IP管家助手
        科技果

        科技人才

        科技服務(wù)
        國際服務(wù)
        商標(biāo)交易
        會(huì)員權(quán)益
        需求市場

        
        關(guān)于龍圖騰

        
        
        
        
        
        
    
          
    
          
        
        
             / 

            
            
            免費(fèi)注冊(cè)
        
    
          

          



          
    
          
        到頂部
        到底部
    
          

          















          
    
    
          
        
        
          
            
            
            
            
            
            
            
            

            
            
          
                
          
                    
                    清空
                    搜索
                
          
            
          

            
            
            
            
            
            
            
            
            
            
        
          
        
        
        
    
          

          








          
      
          
          
          
            
          
                
          
                  
          
                  	
                  	
                  		最新專利技術(shù)
                  	
                  
          
                
          
                
          
                    
            
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供一種首字下沉段落的檢測(cè)方法及裝置，涉及文檔識(shí)別技術(shù)領(lǐng)域，其中，首字下沉段落的檢測(cè)方法，包括：在待檢測(cè)段落的文本行特征符合預(yù)設(shè)文本行條件的情況下，從所述待檢測(cè)段落中提取設(shè)定數(shù)量個(gè)非修飾性的目標(biāo)元素；對(duì)各所述目標(biāo)元素進(jìn)行元素類型統(tǒng)計(jì)，...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本公開提出了用于事件關(guān)聯(lián)的方法、裝置和計(jì)算機(jī)程序產(chǎn)品。可以計(jì)算當(dāng)前事件的當(dāng)前事件向量。可以獲得與歷史事件集合相對(duì)應(yīng)的歷史事件向量集合。可以根據(jù)所述當(dāng)前事件向量和所述歷史事件向量集合，從所述歷史事件集合中搜索與所述當(dāng)前事件相似的相似事件集合。...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請(qǐng)公開了一種模型更新方法、裝置、設(shè)備、介質(zhì)、產(chǎn)品，該方法包括：在獲取到神經(jīng)網(wǎng)絡(luò)模型之后，對(duì)該神經(jīng)網(wǎng)絡(luò)模型中至少一個(gè)算子進(jìn)行參數(shù)量更新處理，得到更新后模型，以使該更新后模型的參數(shù)量高于該神經(jīng)網(wǎng)絡(luò)模型的參數(shù)量，并使得該更新后模型的運(yùn)行耗時(shí)低...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供一種提升量化特征feature的量化方法，提高卷積的速度，減少模型推理的時(shí)間。通過mask形式標(biāo)記深度學(xué)習(xí)Feature，實(shí)現(xiàn)Feature推理inference時(shí)4bit值代替5bit，提高Feature的量化表示能力，從而提高...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本公開的實(shí)施例涉及針對(duì)語音識(shí)別模型的量化方法、裝置、電子設(shè)備和產(chǎn)品。該方法包括確定語音識(shí)別模型的網(wǎng)絡(luò)層的權(quán)重矩陣，權(quán)重矩陣包括被劃分成多個(gè)分組的多個(gè)分塊。該方法還包括基于多個(gè)分塊的多個(gè)分塊參數(shù)，按照多個(gè)分組調(diào)整權(quán)重矩陣中的多個(gè)分塊的順序，分...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請(qǐng)?zhí)峁┮环N神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練方法、信息表示方法及設(shè)備。本申請(qǐng)的方法，在知識(shí)蒸餾時(shí)，使用信息表示模型(學(xué)生模型)的前至少1層替換參考模型(教師模型)中的對(duì)應(yīng)層來構(gòu)建至少一個(gè)輔助模型，基于訓(xùn)練集確定輔助模型中未被替換的各層的特征退化程度信息，...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請(qǐng)公開了一種策略確定方法、裝置、設(shè)備、介質(zhì)及程序產(chǎn)品，涉及計(jì)算機(jī)技術(shù)領(lǐng)域。該方法包括：獲取多個(gè)對(duì)象分別對(duì)應(yīng)的對(duì)象數(shù)據(jù)信息；對(duì)多個(gè)對(duì)象分別對(duì)應(yīng)的對(duì)象數(shù)據(jù)信息進(jìn)行特征分析，得到多個(gè)對(duì)象分別對(duì)應(yīng)的活動(dòng)預(yù)測(cè)結(jié)果；確定多個(gè)對(duì)象對(duì)應(yīng)的資源分配策略；...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明實(shí)施例提供了一種故障分析的方法、裝置、電子設(shè)備及介質(zhì)，所述方法包括：獲取采集的關(guān)鍵數(shù)據(jù)，并根據(jù)所述關(guān)鍵數(shù)據(jù)，確定故障相關(guān)指標(biāo)；根據(jù)所述故障相關(guān)指標(biāo)，構(gòu)建動(dòng)態(tài)規(guī)則樹；獲取故障單信息，并通過預(yù)先訓(xùn)練的目標(biāo)模型，根據(jù)所述故障單信息和所述動(dòng)態(tài)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及線上智能營銷技術(shù)領(lǐng)域，且公開了一種基于互聯(lián)網(wǎng)的線上營銷智能服務(wù)系統(tǒng)，包括：獲取目標(biāo)信息的采集模塊，分析銷售趨勢(shì)、確定目標(biāo)庫存和目標(biāo)銷售量的分析模塊，篩選出有效目標(biāo)數(shù)據(jù)的篩選模塊，形成智能售后服務(wù)策略、以解決售后出現(xiàn)的爭議問題的處理...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請(qǐng)公開了一種應(yīng)用于廣告、推薦系統(tǒng)的預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)，屬于人工智能領(lǐng)域。所述應(yīng)用于廣告系統(tǒng)的預(yù)測(cè)方法包括：獲取第一記憶特征和第一泛化特征；將第一記憶特征輸入具有第一特征交叉層的第一神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，得到第一預(yù)測(cè)結(jié)果；以及，將第一泛化...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本說明書實(shí)施例提供水印圖像生成方法、水印信息獲取方法、計(jì)算設(shè)備、存儲(chǔ)介質(zhì)以及計(jì)算機(jī)程序產(chǎn)品，其中所述水印圖像生成方法包括：確定待處理圖像以及所述待處理圖像對(duì)應(yīng)的水印信息；將所述待處理圖像劃分為多個(gè)待處理圖像塊，并基于第一變換矩陣以及第二變換...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本公開實(shí)施例涉及一種圖像處理方法、裝置、設(shè)備及介質(zhì)，其中該方法包括：獲取待處理圖像；將待處理圖像輸入至預(yù)先構(gòu)建的超分模型，以通過超分模型生成待處理圖像對(duì)應(yīng)的目標(biāo)圖像；目標(biāo)圖像的分辨率高于待處理圖像的分辨率；其中，超分模型用于：對(duì)待處理圖像進(jìn)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種低照度圖像增強(qiáng)模型的訓(xùn)練方法，包括：將低照度圖像和正常圖像分別輸入低照度圖像增強(qiáng)模型的圖像分解模塊，得到對(duì)應(yīng)的低照度圖像反射率圖和正常圖像反射率圖；對(duì)低照度圖像反射率圖和正常圖像反射率圖分別進(jìn)行退化感知處理，得到對(duì)應(yīng)的低照度...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了大氣散射降質(zhì)圖像增強(qiáng)方法，包括：獲取待處理圖像；基于待處理圖像獲取第一場景輻射率圖像；獲得第一透射圖；基于第一透射圖、第一場景輻射率圖像獲取第一大氣光光強(qiáng)；基于第一大氣光光強(qiáng)、第一場景輻射率圖像獲取第二透射圖；基于第一大氣光光強(qiáng)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請(qǐng)?zhí)峁┝艘环N圖像分割模型的訓(xùn)練方法、圖像分割方法、裝置及存儲(chǔ)介質(zhì)；方法包括：獲取多張待分割圖像樣本，多張待分割圖像樣本來源于多個(gè)不同的數(shù)據(jù)源；按照目標(biāo)特征轉(zhuǎn)換方式，對(duì)各待分割圖像樣本對(duì)應(yīng)的樣本特征進(jìn)行特征轉(zhuǎn)換，得到各待分割圖像樣本對(duì)應(yīng)的...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于場景深度信息的大氣散射降質(zhì)圖像恢復(fù)方法，包括：獲取待處理圖像；基于待處理圖像通過暗通道先驗(yàn)假設(shè)獲得第一透射圖，第一透射圖為粗估計(jì)的透射圖；基于待處理圖像獲得場景深度相對(duì)估計(jì)；基于第一透射圖、場景深度相對(duì)估計(jì)獲得第二透射圖...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請(qǐng)?zhí)峁┝艘环N圖像的雙目立體匹配方法和裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域。該方法對(duì)采集的第一初始圖像和第二初始圖像分別進(jìn)行格式轉(zhuǎn)化，轉(zhuǎn)化為設(shè)定位數(shù)的第一灰度圖像和第二灰度圖像，可以用于弱紋理、純色環(huán)境或者黑暗環(huán)境的雙目匹配，...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請(qǐng)?zhí)峁┮环N基于編碼器和生成器的圖像生成方法及裝置，涉及圖像處理技術(shù)領(lǐng)域，其中，編碼器包括內(nèi)容編碼器和風(fēng)格編碼器，該方法包括：獲取源內(nèi)容圖像和源風(fēng)格圖像，以及源內(nèi)容圖像對(duì)應(yīng)的掩碼圖像；將源內(nèi)容圖像和源內(nèi)容圖像對(duì)應(yīng)的掩碼圖像輸入訓(xùn)練好的內(nèi)容...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請(qǐng)?zhí)峁┮环N圖像生成模型的訓(xùn)練方法及裝置，涉及圖像處理技術(shù)領(lǐng)域，其中，該方法包括：獲取訓(xùn)練樣本集，訓(xùn)練樣本集中的每一組樣本組合包含一個(gè)內(nèi)容圖像，一個(gè)與內(nèi)容圖像對(duì)應(yīng)的掩碼圖像，以及一個(gè)風(fēng)格圖像；將內(nèi)容圖像、掩碼圖像、以及風(fēng)格圖像分別輸入待訓(xùn)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本說明書實(shí)施例提供一種設(shè)計(jì)稿的渲染方法、裝置、電子設(shè)備及介質(zhì)。該方法可以包括：根據(jù)接收到的設(shè)計(jì)稿，確定所述設(shè)計(jì)稿中的線稿信息，所述線稿信息用于標(biāo)識(shí)所述設(shè)計(jì)稿中的基礎(chǔ)渲染需求，將所述線稿信息轉(zhuǎn)換為數(shù)學(xué)形式的第一信息，至少將所述第一信息作為渲染...
								
            
							
            
							
						
            • 
					
                    
          
                
          

                 
          
                 	
		            	首頁
		            	上一頁
		            	
		            	17
		            	
		            	下一頁
                 	
                 	
            	
          
            
          
            
          
                
          
                  
          技術(shù)分類
          
                  
          
                      
                  
          
                
          
            
          
          
          
      
          
    
          
    
    

























































































































































 
 
    







主站蜘蛛池模板：
精品人妻无码专区在中文字幕
|
波多野结衣av一区二区无码|
麻豆国产成人AV在线播放
|
久久国产劲暴∨内射|
亚洲欧美闷骚影院|
国产欧美日韩在线观看一区二区|
久久国产一区二区三区|
国模无码一区二区三区不卡|
国产成人av三级在线观看|
日本高清色WWW在线安全|
中文无码一区二区不卡av|
丁香婷婷激情俺也去俺来也|
波多野结衣中文字幕一区二区三区
|
鲁鲁网亚洲站内射污|
午夜无码伦费影视在线观看果冻|
精品日产卡一卡二卡麻豆|
亚洲国产第一站精品蜜芽|
国产成人av在线免播放app|
尤物网站视频免费看|
欧美和黑人xxxx猛交视频|
成人一区二区不卡国产|
丁香五月婷激情综合第九色|
日本一道本高清一区二区|
成年轻人网站色直接看|
侵犯强奷高清无码|
亚洲夜夜欢a∨一区二区三区|
成人性午夜视频在线观看|
一二区成人影院电影网|
亚洲人成77777在线播放网站不卡|
毛片无码免费无码播放|
亚洲欧美在线x视频|
国产乱子伦一区二区三区四区五区
|
欧美专区日韩视频人妻|
久久久久亚洲精品天堂|
国产成人亚洲精品无码综合原创|
青青草国产三级精品三级|
使劲快高潮了国语对白在线|
国模冰莲自慰肥美胞极品人体图|
久久久www影院人成_免费|
男人的天堂无码动漫av|
国产成人午夜福利电影在线播放|