<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
                
          
            
          

            
            
            
            
            
            
            
            
            
            
        
          
        
        
        
    
          

          








          
      
          
          
          
            
          
                
          
                  
          
                  	
                  	
                  		計(jì)算;推算;計(jì)數(shù)設(shè)備的制造及其應(yīng)用技術(shù)
                  	
                  
          
                
          
                
          
                    
            
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及大數(shù)據(jù)分析領(lǐng)域，特別是基于用戶行為的智能推薦系統(tǒng)。通過獲取系統(tǒng)中的用戶顯式行為數(shù)據(jù)和用戶隱式行為數(shù)據(jù)，獲取系統(tǒng)中用戶的交互深度指標(biāo)數(shù)據(jù)，利用差分隱私技術(shù)對數(shù)據(jù)中的敏感行為添加噪聲，建立可變時(shí)間衰減函數(shù)，使用層次化Transform...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于深度學(xué)習(xí)的電網(wǎng)設(shè)計(jì)方案生成方法，屬于電網(wǎng)規(guī)劃技術(shù)領(lǐng)域，包括S1、獲取電網(wǎng)設(shè)計(jì)方案的電網(wǎng)描述文本以及電網(wǎng)線路文本；S2、對文本分別進(jìn)行詞嵌入表示，得到詞向量矩陣；S3、使用并行的兩個(gè)引入注意力機(jī)制的卷積網(wǎng)絡(luò)對詞向量矩陣提取...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種應(yīng)用強(qiáng)化學(xué)習(xí)的風(fēng)電機(jī)組預(yù)測性維護(hù)決策方法及系統(tǒng)，該方法中首先采集多源數(shù)據(jù)；然后基于多源數(shù)據(jù)構(gòu)建設(shè)備健康指數(shù)，評估設(shè)備當(dāng)前健康狀態(tài)，并采用深度學(xué)習(xí)方法預(yù)測設(shè)備未來退化趨勢；接著應(yīng)用PPO算法構(gòu)建維護(hù)決策框架，通過狀態(tài)空間、動作...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域，提出了一種基于小波增強(qiáng)與多尺度特征融合的醫(yī)學(xué)圖像分割方法。該方法結(jié)合CNN?Transformer雙分支編碼結(jié)構(gòu)，提出一種多尺度小波融合模塊，從頻域角度出發(fā)，采用Haar小波變換提取圖像高頻子帶以增強(qiáng)邊緣與紋...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明屬于三維目標(biāo)檢測技術(shù)領(lǐng)域，公開了一種基于雙源點(diǎn)云增強(qiáng)的三維目標(biāo)檢測方法，本發(fā)明針對現(xiàn)有三維目標(biāo)檢測方法在檢測時(shí)對點(diǎn)云稀疏處物體檢測精度下降以及點(diǎn)云圖像融合情況下不同模態(tài)數(shù)據(jù)特征對齊難度等物體，設(shè)計(jì)了一種基于雙源點(diǎn)云增強(qiáng)的三維目標(biāo)檢測方...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種兩階段參數(shù)自適應(yīng)優(yōu)化蜂窩肺病灶分割方法、存儲介質(zhì)及設(shè)備，涉及蜂窩肺圖像處理方法技術(shù)領(lǐng)域。所述方法包括如下步驟：圖像預(yù)處理：獲取蜂窩肺CT圖像，對CT圖像進(jìn)行預(yù)處理，并采用均值漂移算法優(yōu)化CT圖像的預(yù)處理流程；粗分割：使用基于...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了基于圖像處理的智能芯片陣列缺陷檢測系統(tǒng)，具體涉及芯片缺陷檢測領(lǐng)域，包括芯片陣列圖像獲取模塊、自適應(yīng)數(shù)據(jù)增強(qiáng)模塊、多模態(tài)特征融合模塊、自適應(yīng)動態(tài)匹配模塊、在線增量學(xué)習(xí)模塊以及異構(gòu)資源調(diào)度模塊。基于圖像處理的智能芯片陣列缺陷檢測系統(tǒng)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種基于柔性可變形卷積和注意力機(jī)制的紅外場景分類方法，包括：紅外圖像輸入AFDC?IRNet模型，模型輸出紅外圖像所屬的紅外場景分類信息；其中，AFDC?IRNet模型處理過程包括：紅外圖像依次經(jīng)過FDCN1、ReLU1、MAX...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明屬于體育科技技術(shù)領(lǐng)域，具體涉及一種搏擊技戰(zhàn)術(shù)分析系統(tǒng)，包括目標(biāo)檢測和骨骼肌算法模塊、時(shí)空圖神經(jīng)網(wǎng)絡(luò)的動作識別模塊、擊打效果評估模塊、抗干擾機(jī)制模塊、視頻處理與數(shù)據(jù)存儲模塊，所述目標(biāo)檢測和骨骼肌算法模塊包括數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練，所述數(shù)據(jù)準(zhǔn)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供了一種城市軌道交通隧道水淹態(tài)勢預(yù)測方法及系統(tǒng)，獲取城市軌道交通隧道的空間幾何參數(shù)，構(gòu)建城市軌道交通隧道的三維數(shù)字化模型，再轉(zhuǎn)化為數(shù)值計(jì)算模型，基于數(shù)值方法進(jìn)行不同進(jìn)水條件下的城市軌道交通隧道水淹過程的仿真模擬，將模擬的監(jiān)測量形成數(shù)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明提供一種面部表情識別方法、系統(tǒng)及電子設(shè)備，方法包括：對面部樣本圖像進(jìn)行預(yù)處理，提取用戶臉部特征點(diǎn)坐標(biāo)；采用卷積神經(jīng)網(wǎng)絡(luò)主干獲取局部特征和全局特征；采用交叉注意力模塊1將聚合的全局特征與每個(gè)局部特征進(jìn)行融合，得到增強(qiáng)的局部特征；采用圖卷...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及圖像識別相關(guān)技術(shù)領(lǐng)域，具體包括基于圖像識別的密煉機(jī)轉(zhuǎn)子缺陷檢測方法、系統(tǒng)及介質(zhì)，包括：對密煉機(jī)轉(zhuǎn)子依振動信號提頻域、時(shí)域特征，優(yōu)化圖像配缺陷視覺向量，配置振動信號特征向量，融合后用缺陷分類網(wǎng)絡(luò)評估缺陷，結(jié)果超限則觸發(fā)提醒并聯(lián)動機(jī)械...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種小樣本類增量視頻動作識別方法和裝置，屬于計(jì)算機(jī)視覺領(lǐng)域，所述方法包括：針對每個(gè)視頻，通過采用視覺軟提示和時(shí)序軟提示，獲取融合空時(shí)信息的視頻特征，同時(shí)獲取具有先驗(yàn)知識的視頻特征，并將兩種視頻特征融合，獲取最終的視頻特征；其次，...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開一種揚(yáng)塵污染監(jiān)管與考核系統(tǒng)及方法，其中系統(tǒng)包括揚(yáng)塵數(shù)據(jù)庫、視頻平臺、AI算法底層引擎、考核標(biāo)準(zhǔn)單元、業(yè)務(wù)平臺和手持移動端；揚(yáng)塵數(shù)據(jù)庫為視頻平臺和業(yè)務(wù)平臺提供基礎(chǔ)數(shù)據(jù)，視頻平臺的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)經(jīng)AI算法底層引擎智能識別后，將結(jié)果反饋給...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及圖像處理與深度學(xué)習(xí)技術(shù)領(lǐng)域，公開了一種基于藝術(shù)先驗(yàn)知識的漸進(jìn)式人臉超分辨率方法與系統(tǒng)，其系統(tǒng)包括：圖像編碼模塊，用于對輸入的低分辨率人臉圖像進(jìn)行多尺度特征提取，并輸出潛在特征；結(jié)構(gòu)學(xué)習(xí)模塊，用于引導(dǎo)實(shí)現(xiàn)基礎(chǔ)形態(tài)修復(fù)；細(xì)節(jié)補(bǔ)全模塊，...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于全局多尺度編碼與局部稀疏注意力的視頻摘要生成方法，屬于計(jì)算機(jī)視覺技術(shù)領(lǐng)域。所述方法包括：讀取輸入視頻，提取輸入視頻的幀級特征向量；構(gòu)造視頻摘要生成模型，將幀級特征向量輸入視頻摘要模型；將全局多尺度編碼和局部稀疏注意力模塊...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及一種面向法醫(yī)創(chuàng)傷學(xué)深度學(xué)習(xí)的PMCT圖像采集與多模態(tài)數(shù)據(jù)處理系統(tǒng)及方法。該系統(tǒng)包括創(chuàng)傷模型制備模塊、多模態(tài)數(shù)據(jù)采集模塊、PMCT圖像預(yù)處理模塊、多尺度對比度增強(qiáng)圖像處理模塊、多模態(tài)數(shù)據(jù)融合模塊以及深度學(xué)習(xí)模型輸入數(shù)據(jù)準(zhǔn)備模塊。方法...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于人工智能的文字檢測識別方法及系統(tǒng)，方法包括：采集待檢測圖片數(shù)據(jù)；利用目標(biāo)檢測模型提取待檢測圖片數(shù)據(jù)的不同尺度特征；對不同尺度特征進(jìn)行多尺度特征融合以得到融合特征，根據(jù)融合特征，獲取目標(biāo)檢測結(jié)果；將目標(biāo)檢測結(jié)果輸入到目標(biāo)識...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明實(shí)施例公開了一種結(jié)合RPN和解剖信息的腦微出血精準(zhǔn)檢測與定位方法，基于一種基于深度學(xué)習(xí)的腦微出血精準(zhǔn)檢測與定位模型實(shí)現(xiàn)，所述模型包括候選區(qū)域檢測模塊和解剖定位模塊，所述方法包括：獲取同一患者的腦部圖像經(jīng)所述候選區(qū)域檢測模塊得到的至少一...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開了一種基于機(jī)器學(xué)習(xí)的變截面復(fù)合樁配筋設(shè)計(jì)方法及系統(tǒng)，所述方法包括：獲取變截面復(fù)合樁的多源數(shù)據(jù)；對多源數(shù)據(jù)進(jìn)行特征提取，得到關(guān)鍵特征與時(shí)空特征；基于多源數(shù)據(jù)，進(jìn)行三維參數(shù)化建模和非線性有限元分析，構(gòu)建樁身的變截面形態(tài)與應(yīng)力云圖，得到...
								
            
							
            
							
						
            • 
					
                    
          
                
          

                 
          
                 	
                 	
		            	首頁
		            	上一頁
		            	
		            	12
		            	
		            	下一頁


                 	
            	
          
            
          
            
          
                
          
                  
          技術(shù)分類
          
                  
          
                      
                  
          
                
          
            
          
          
          
      
          
    
          
    
    

























































































































































 
 
    







主站蜘蛛池模板：
国产精品一码二码三码|
成年无码一区视频|
欧美肥妇毛多水多bbxx|
亚洲精品成人a在线观看|
亚洲国产精品高清线久久|
成人国产三级在线观看|
久久男人av资源网站|
丰满无码人妻热妇无码区|
无遮挡裸体免费视频尤物|
精品国产福利在线视频|
一本大道东京热无码aⅴ|
亚洲色一色噜一噜噜噜|
国产如狼似虎富婆找强壮黑人|
狠狠做久久深爱婷婷|
高中生粉嫩无套第一次|
国产av一区最新精品|
国产乱子伦视频一区二区三区|
无码福利写真片视频在线播放|
一本一道av中文字幕无码|
亚洲男女羞羞无遮挡久久丫|
久久中文精品无码中文字幕|
免费又黄又爽1000禁片|
久久久亚洲欧洲日产国码aⅴ|
亚洲熟妇无码av在线播放|
免费看黑人强伦姧人妻|
欧美老熟妇乱子伦牲交视频|
中文字幕aav|
久久久久久久久久久综合日本|
男女激情一区二区三区|
亚洲国产综合人成综合网站|
丁香五香天堂网|
久久国产色欲av38|
老妇肥熟凸凹丰满刺激|
亚洲乱码卡一卡二卡新区豆|
日本毛茸茸的丰满熟妇|
清纯小美女主播流白浆|
亚洲色偷拍区另类无码专区|
国产精品美女久久久久久麻豆|
中文字幕漂亮人妻熟睡中被公侵犯
|
无码专区 人妻系列 在线|
97欧美精品系列一区二区|