<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
        會員權(quán)益
        需求市場

        
        關(guān)于龍圖騰

        
        
        
        
        
        
    
          
    
          
        
        
             / 

            
            
            免費(fèi)注冊
        
    
          

          



          
    
          
        到頂部
        到底部
    
          

          















          
    
    
          
        
        
          
            
            
            
            
            
            
            
            

            
            
          
                
          
                    
                    清空
                    搜索
                
          
            
          

            
            
            
            
            
            
            
            
            
            
        
          
        
        
        
    
          

          








          
      
          
          
          
            
          
                
          
                  
          
                  	
                  	
                  		最新專利技術(shù)
                  	
                  
          
                
          
                
          
                    
            
					
						
          • 
							
							
            
					    		
								
            
								      本申請?zhí)峁┝艘环N基于環(huán)境風(fēng)險因素的疾病空間分布分析方法以及裝置，通過構(gòu)建了一種整合病例數(shù)據(jù)、地理數(shù)據(jù)和環(huán)境數(shù)據(jù)的方法框架，在精細(xì)空間尺度上評估環(huán)境風(fēng)險因素對疾病發(fā)病率空間分布的影響，細(xì)節(jié)方面考慮了環(huán)境風(fēng)險因素的時空異質(zhì)性對疾病空間分布的影響...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明的一種多模態(tài)生物反饋的過敏防御按摩控制方法，實(shí)時采集用戶按摩過程中的多模態(tài)數(shù)據(jù)，確定用戶按摩前是否已出現(xiàn)過敏癥狀，當(dāng)用戶按摩前已出現(xiàn)過敏癥狀時，將采集的第一時刻的多模態(tài)數(shù)據(jù)輸出為第一多模態(tài)數(shù)據(jù)；當(dāng)用戶按摩前沒有出現(xiàn)過敏癥狀時，基于交感...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及鉛鋅礦床資源勘查技術(shù)領(lǐng)域，且公開了一種利用機(jī)器學(xué)習(xí)和閃鋅礦微量元素判別礦床類型的方法。該方法利用全球范圍內(nèi)不同類型鉛鋅礦床中閃鋅礦的多元素?cái)?shù)據(jù)建立數(shù)據(jù)集，使用基于Tree?structured Parzen Estimator優(yōu)化...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供一種基于集成學(xué)習(xí)預(yù)測水稻中鎘和砷含量的方法和系統(tǒng)，包括：將影響因素和對應(yīng)的rCd和rAs含量數(shù)據(jù)輸入并訓(xùn)練集成EL模型的第一基模型，得到第一預(yù)測結(jié)果，計(jì)算并排序各個影響因素的第一重要性量化數(shù)據(jù)；對各個影響因素?cái)?shù)據(jù)進(jìn)行加權(quán)，將加權(quán)后...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了基于衛(wèi)星遙感與環(huán)境DNA測序的生物多樣性調(diào)查監(jiān)測方法，包括：步驟S1，獲取生境遙感數(shù)據(jù)和環(huán)境DNA數(shù)據(jù)；步驟S2，對獲取的數(shù)據(jù)進(jìn)行預(yù)處理，并與公共基因數(shù)據(jù)庫進(jìn)行比對，獲得物種分布數(shù)據(jù)；步驟S3，對生境遙感數(shù)據(jù)與環(huán)境DNA數(shù)據(jù)進(jìn)行...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種基于交通狀態(tài)統(tǒng)計(jì)的道路降噪控制方法及系統(tǒng)，涉及道路降噪控制領(lǐng)域，方法包括：采集目標(biāo)道路的實(shí)時交通狀態(tài)和實(shí)時關(guān)聯(lián)交通狀態(tài)，通過交通狀態(tài)預(yù)測器，預(yù)測獲取未來時段的目標(biāo)道路的預(yù)測交通狀態(tài)；通過噪聲特征模擬通道，根據(jù)預(yù)測交通狀態(tài)分析...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請涉及一種基于多模態(tài)感知的LED顯示屏環(huán)境交互系統(tǒng)及控制方法。所述系統(tǒng)包括：多模態(tài)感知模塊，用于獲取LED顯示屏的環(huán)境信息；用戶位置分布包括用戶分布熱區(qū)圖、區(qū)域目標(biāo)向量和干擾指數(shù)；環(huán)境融合感知模塊，用于根據(jù)環(huán)境光照強(qiáng)度、環(huán)境溫度狀態(tài)、區(qū)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及一種基于校園信息安全的管理方法，包括：獲取學(xué)生的原始信息圖像，基于圖像分塊機(jī)制將原始信息圖像拆分為若干個原始像素塊；構(gòu)建多維噪聲模型，從多維噪聲模型中提取對應(yīng)的噪聲數(shù)據(jù)并注入對應(yīng)的原始像素塊中；對注入后的原始像素塊進(jìn)行重新融合，并...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及一種基于圖像識別批改答題內(nèi)容的方法及系統(tǒng)，屬于圖像識別技術(shù)領(lǐng)域。其中，該方法包括：獲取答題內(nèi)容圖像，通過預(yù)處理答題內(nèi)容圖像得到答題內(nèi)容基準(zhǔn)圖像；通過級聯(lián)識別架構(gòu)識別答題內(nèi)容基準(zhǔn)圖像提取待批改內(nèi)容；獲取標(biāo)準(zhǔn)答案，通過語義相似度模型計(jì)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種基于YOLOv8模型的餐食識別與卡路里估算方法及系統(tǒng)，通過輸入餐食圖像，基于YOLOv8模型實(shí)時檢測圖像中的食物、識別食物類別，結(jié)合食物的烹飪方式和分量信息，動態(tài)計(jì)算卡路里含量，實(shí)現(xiàn)了準(zhǔn)確識別餐食場景食物和高效估算卡路里的功...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      融合局部密度與幾何特征的桿狀物識別方法，包括以下步驟：對點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理；針對點(diǎn)云數(shù)據(jù)的分布密度不同制定不同的分割條件，對點(diǎn)云簇進(jìn)行自適應(yīng)的區(qū)域生長分割；對分割好的點(diǎn)云簇進(jìn)行性狀約束，以識別其中的桿狀物目標(biāo)；對相似的點(diǎn)云簇進(jìn)行分布密度數(shù)據(jù)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種用于鉛基堆SGTR事故模擬研究的氣泡識別方法，涉及目標(biāo)檢測技術(shù)領(lǐng)域，包括：搭建可視化的用于鉛基堆SGTR事故模擬實(shí)驗(yàn)平臺，采集事故模擬實(shí)驗(yàn)中的氣泡圖像并進(jìn)行預(yù)處理；構(gòu)建鉛基堆SGTR事故模擬實(shí)驗(yàn)氣泡圖像數(shù)據(jù)集；在傳統(tǒng)yolo...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請?zhí)峁┝艘环N基于自適應(yīng)步長切片策略的遙感訓(xùn)練樣本自動生成方法，涉及遙感影像處理領(lǐng)域，方法包括：獲取多源遙感數(shù)據(jù)并進(jìn)行融合，得到融合影像；獲取地物標(biāo)簽數(shù)據(jù)并進(jìn)行柵格化處理，將地物標(biāo)簽數(shù)據(jù)轉(zhuǎn)換為與所述融合影像對齊的標(biāo)簽柵格影像，得到融合影像...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于深度學(xué)習(xí)的浮游生物智能化檢測方法，包括獲取浮游生物的圖像，輸入至訓(xùn)練好的檢測模型，得到圖像中浮游生物的位置和類別。本基于深度學(xué)習(xí)的浮游生物智能化檢測方法通過對比學(xué)習(xí)模塊和重建圖像模塊相結(jié)合，通過多模態(tài)特征融合增強(qiáng)模型表征...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于多尺度錨圖的水下高光譜圖像聚類方法，屬于水下圖像處理技術(shù)領(lǐng)域。主要包括：對水下高光譜圖像進(jìn)行超像素分割；對分割后的高光譜圖像進(jìn)行噪聲去除處理；學(xué)習(xí)去噪后的高光譜圖像的多尺度錨圖；對多種尺度錨圖進(jìn)行矩陣分解，獲取超像素點(diǎn)的...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于共識引導(dǎo)的水下高光譜圖像聚類方法，包括：引入填充矩陣進(jìn)行視圖重構(gòu)并恢復(fù)缺失像素，以學(xué)習(xí)像素間的親和表示；將凈化后的特定視圖的親和表示分解為具有線性關(guān)系的共識表示和特異性表示；構(gòu)建高階視圖交互模塊，在共識表示的指導(dǎo)下學(xué)習(xí)具...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種大視角多視圖工業(yè)零件螺絲孔位匹配方法，包括建立雙層調(diào)度模型，首先，在生產(chǎn)車間傳輸帶的不同視角布置攝像頭，采集多視圖汽車零件圖像，通過隨機(jī)單應(yīng)性變換制作數(shù)據(jù)集，對E?LoFTR模型進(jìn)行訓(xùn)練，提升模型適應(yīng)能力；隨后選取同一時刻兩...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      一種基于雙域特征融合的紅外小目標(biāo)檢測方法，包括：步驟1：將紅外圖像輸入網(wǎng)絡(luò)的編碼器模塊，依次提取并輸出四個階段的多尺度特征圖，用于表征不同層級的空間信息；步驟2：將步驟1中編碼部分第四階段的輸出特征圖送入瓶頸層模塊，經(jīng)過瓶頸層模塊的特征提取...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了基于熱力圖的牙模鋼絲制作方法，屬于口腔正畸技術(shù)領(lǐng)域，包括如下步驟：S1、識別口掃模型，根據(jù)預(yù)設(shè)取點(diǎn)規(guī)則選取出造型點(diǎn)，將造型點(diǎn)依次相連形成離散樣條曲線；S2、構(gòu)建SDF，用于計(jì)算離散樣條曲線的每個點(diǎn)到口掃模型的距離；S3、在每段距...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本申請涉及虛擬仿真領(lǐng)域，提供了一種用于虛擬現(xiàn)實(shí)動畫播放的數(shù)據(jù)處理方法及系統(tǒng)，其首先對接收到的開發(fā)需求數(shù)據(jù)進(jìn)行g(shù)ltf格式化處理以生成待加載模型數(shù)據(jù)，接著對該模型數(shù)據(jù)進(jìn)行格式識別、初始化、屬性設(shè)置，并基于程序發(fā)布標(biāo)準(zhǔn)數(shù)據(jù)與過程動畫模型數(shù)據(jù)之間...
								
            
							
            
							
						
            • 
					
                    
          
                
          

                 
          
                 	
		            	首頁
		            	上一頁
		            	
		            	202
		            	
		            	下一頁
                 	
                 	
            	
          
            
          
            
          
                
          
                  
          技術(shù)分類
          
                  
          
                      
                  
          
                
          
            
          
          
          
      
          
    
          
    
    

























































































































































 
 
    







主站蜘蛛池模板：
国产爆乳无码视频在线观看3|
亚洲另类丝袜综合网|
亚洲日韩中文字幕在线播放|
成人网站免费观看永久视频下载|
中文有码无码人妻在线|
精品午夜久久福利大片|
久久综合九色综合97伊人|
亚洲中文字幕无码一区在线|
欧美日韩中文国产一区发布|
亚洲欧美成人精品香蕉网|
浴室人妻的情欲hd三级国产|
亚洲爆乳无码专区www|
亚洲精品美女久久久久99|
欧美精品高清在线观看|
亚洲成在人线av无码|
99久久久无码国产精品动漫|
国产精品久久久久7777|
麻豆亚洲精品一区二区|
欧美野外伦姧在线观看|
国产婷婷综合在线视频中文|
东京热一本无码av|
精品国产一区二区三区久久狼|
亚洲精品综合欧美一区二区|
精品丰满人妻无套内射|
亚洲欧美国产成人综合欲网|
国产成人精品日本亚洲第一区|
欧日韩无套内射变态|
国精一二二产品无人区免费应用|
国产无遮挡无码视频免费软件|
丰满妇女毛茸茸刮毛|
亚洲精品乱码久久久久久金桔影视|
国产精品无码av无码|
中文人妻熟妇乱又伦精品|
亚洲18禁私人影院|
国产美女高潮流白浆视频|
久久精品国产精品亚洲毛片|
国产精品无码a∨麻豆|
国产精品午夜爆乳美女视频|
亚洲人成色77777在线观看大战p|
日本少妇xxxx做受|
永久免费的污视频网站|