<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(yè)
        專(zhuān)利交易
        IP管家助手
        科技果

        科技人才

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

        
        關(guān)于龍圖騰

        
        
        
        
        
        
    
          
    
          
        
        
             / 

            
            
            免費(fèi)注冊(cè)
        
    
          

          



          
    
          
        到頂部
        到底部
    
          

          















          
    
    
          
        
        
          
            
            
            
            
            
            
            
            

            
            
          
                
          
                    
                    清空
                    搜索
                
          
            
          

            
            
            
            
            
            
            
            
            
            
        
          
        
        
        
          
            
            
                
          • 我要求購(gòu)
            • 
                
          • 我要出售
            • 
            
          

            
        
          
    
          

          








          
      
          
          
          
            
          
                
          
                  
          
                  	
                  	
                  		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)明公開(kāi)了一種用于鉛基堆SGTR事故模擬研究的氣泡識(shí)別方法，涉及目標(biāo)檢測(cè)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(tái)，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(qǐng)涉及一種目標(biāo)檢測(cè)方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：獲取待檢測(cè)圖像信息和文本信息；分別對(duì)待檢測(cè)圖像信息和文本信息進(jìn)行特征提取，和融合，得到候選區(qū)域和候選區(qū)域?qū)?yīng)的特征向量V_raw；分別對(duì)候選區(qū)域?qū)?yīng)的特征向量V_raw和文本...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明屬于但不限于狀態(tài)監(jiān)測(cè)技術(shù)領(lǐng)域，尤其涉及一種多特征融合的功率場(chǎng)效應(yīng)管在線狀態(tài)監(jiān)測(cè)與評(píng)估方法及系統(tǒng)，通過(guò)選擇適當(dāng)?shù)睦匣盘?hào)并計(jì)算其特征，以理解器件老化機(jī)理。然后，使用互信息相關(guān)系數(shù)算法篩選出與壽命序列強(qiáng)相關(guān)的有效特征信息。接下來(lái)，利用KP...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開(kāi)了一種結(jié)合空譜域自適應(yīng)與集成學(xué)習(xí)的高光譜圖像分類(lèi)方法，屬于圖像分類(lèi)技術(shù)領(lǐng)域。該方法依次執(zhí)行輸入源域中有標(biāo)記數(shù)據(jù)、目標(biāo)域中無(wú)標(biāo)記數(shù)據(jù)和少量有標(biāo)記數(shù)據(jù)，通過(guò)空譜注意力模型對(duì)源域和目標(biāo)域進(jìn)行特征提取，其中空譜注意力模型引入了大核注意力(...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及一種基于計(jì)算機(jī)視覺(jué)的挖掘機(jī)與人碰撞事故預(yù)警方法及系統(tǒng)。本發(fā)明首先通過(guò)目標(biāo)檢測(cè)、2D關(guān)鍵點(diǎn)檢測(cè)、3D姿勢(shì)識(shí)別等計(jì)算機(jī)視覺(jué)算法，對(duì)施工現(xiàn)場(chǎng)視頻流進(jìn)行工人和挖掘機(jī)的3D骨架識(shí)別；其次，基于挖掘機(jī)3D骨架在工作狀態(tài)下的3D運(yùn)動(dòng)姿態(tài)，劃定出...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及一種用于圖像描述任務(wù)的視覺(jué)語(yǔ)言建模系統(tǒng)及方法，該系統(tǒng)利用視覺(jué)語(yǔ)言模型針對(duì)輸入圖像進(jìn)行描述文本生成，包括：視覺(jué)編碼器和文本編碼器分別連接至視覺(jué)特征提取模塊和文本特征提取模塊，視覺(jué)特征提取和文本特征提取模塊均連接至特征融合模塊，特征融...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及圖像增強(qiáng)技術(shù)領(lǐng)域，具體為基于神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)影像病灶識(shí)別方法及系統(tǒng)，包括以下步驟：基于輸入的醫(yī)學(xué)影像數(shù)據(jù)，設(shè)定不同尺寸鄰域窗口，計(jì)算各鄰域窗口的香農(nóng)熵值，同時(shí)計(jì)算局部能量值，形成局部能量圖，對(duì)香農(nóng)熵值與局部能量圖進(jìn)行融合，得到融合信...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開(kāi)了一種基于AI圖像識(shí)別的自助售賣(mài)機(jī)商品識(shí)別方法，包括以下步驟：步驟一、使用PSConv卷積，在保證參數(shù)量變換不大的情況下，提高對(duì)小商品的檢測(cè)精度；步驟二、使用自適應(yīng)動(dòng)態(tài)閾值超圖計(jì)算模塊(ADT?HGC)建立高階語(yǔ)義關(guān)系和增強(qiáng)語(yǔ)義信...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)處理技術(shù)領(lǐng)域，具體為基于工業(yè)互聯(lián)網(wǎng)的跨平臺(tái)多源數(shù)據(jù)集成分析方法及系統(tǒng)，包括：數(shù)據(jù)采集層、數(shù)據(jù)預(yù)處理層、數(shù)據(jù)集成層、數(shù)據(jù)存儲(chǔ)層、智能分析框架、應(yīng)用層、數(shù)據(jù)安全層。本發(fā)明通過(guò)數(shù)據(jù)適配器和中間件技術(shù)，實(shí)現(xiàn)了對(duì)多源異構(gòu)數(shù)據(jù)的...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      一種基于全過(guò)程非對(duì)稱(chēng)多段S型曲線的礦用電鏟軌跡規(guī)劃方法，屬于軌跡規(guī)劃技術(shù)領(lǐng)域。第一，獲取并處理物料面點(diǎn)云數(shù)據(jù)。第二，建立礦用電鏟電機(jī)基于全過(guò)程非對(duì)稱(chēng)多段S型曲線速度控制算法的數(shù)學(xué)模型。第三，構(gòu)建礦用電鏟的鏟斗齒尖的軌跡方程。第四，給定約束邊...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及自動(dòng)駕駛技術(shù)領(lǐng)域，具體是一種多視角感知驅(qū)動(dòng)的自動(dòng)駕駛測(cè)試場(chǎng)景孿生重建方法，包括如下步驟：S1、多視角圖像感知數(shù)據(jù)的采集與預(yù)處理，形成統(tǒng)一坐標(biāo)系下的多視角圖像序列；S2、基于正交三平面結(jié)構(gòu)的空間編碼與建模；S3、基于Transfor...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開(kāi)了一種極小樣本、小目標(biāo)下的特種車(chē)輛目標(biāo)檢測(cè)算法。在基線算法YOLOv11n上進(jìn)行改進(jìn)，提出一種特種車(chē)輛目標(biāo)檢測(cè)方法YOLOv11?SV。首先，自主構(gòu)建特種車(chē)輛的極小樣本數(shù)據(jù)集；其次，設(shè)計(jì)一種新的注意力機(jī)制模塊WT?SE提高模型對(duì)車(chē)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及機(jī)場(chǎng)飛行區(qū)聯(lián)動(dòng)目標(biāo)的視覺(jué)?時(shí)空多模態(tài)融合檢測(cè)方法，屬于大型機(jī)場(chǎng)智能多模態(tài)感知與時(shí)空數(shù)據(jù)分析技術(shù)領(lǐng)域，解決了現(xiàn)有技術(shù)中難以在復(fù)雜環(huán)境下實(shí)現(xiàn)微小目標(biāo)的高精度檢測(cè)的問(wèn)題，包括：步驟S1、構(gòu)建航空器軌跡時(shí)空?qǐng)D，得到并輸出時(shí)空?qǐng)D特征；步驟S...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開(kāi)了一種基于多尺度深度學(xué)習(xí)的不銹鋼卷表面缺陷在線識(shí)別方法，該方法包括：對(duì)不銹鋼卷表面圖像進(jìn)行預(yù)處理實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)；利用預(yù)訓(xùn)練的骨干網(wǎng)絡(luò)進(jìn)行特征提取獲得初始特征圖；將初始特征圖輸入多尺度特征融合模塊，利用Inception網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)造多...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及茶葉病害檢測(cè)領(lǐng)域，具體涉及一種基于輕量化YOLOv8模型的茶葉病害檢測(cè)方法。技術(shù)方案包括：采集多種類(lèi)型的茶葉病害圖像；對(duì)采集的多種類(lèi)型的茶葉病害圖像進(jìn)行預(yù)處理，預(yù)處理包括光照歸一化、幾何增強(qiáng)、光照增強(qiáng)、自適應(yīng)直方圖均衡化、多尺度R...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明涉及充值異常監(jiān)測(cè)技術(shù)領(lǐng)域，尤指一種基于大數(shù)據(jù)與人工智能的充值行為異常監(jiān)測(cè)系統(tǒng)，通過(guò)采集歷史充值行為數(shù)據(jù)與實(shí)時(shí)用戶行為數(shù)據(jù)，構(gòu)建用戶靜態(tài)畫(huà)像與設(shè)備I P畫(huà)像，并對(duì)實(shí)時(shí)行為特征進(jìn)行偏離度量，量化其與歷史基線的差異，用于識(shí)別異常操作模式。基...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本公開(kāi)涉及航空安全技術(shù)領(lǐng)域，提供了一種衛(wèi)星原始數(shù)據(jù)識(shí)別飛機(jī)積冰的方法、系統(tǒng)、設(shè)備及介質(zhì)，所述方法包括建立基于反演產(chǎn)品的識(shí)別算法模型，設(shè)定識(shí)別算法閾值；利用基于反演產(chǎn)品的識(shí)別算法模型，基于預(yù)處理后的歷史反演產(chǎn)品進(jìn)行回算，得到第一歷史積冰識(shí)別數(shù)...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開(kāi)了一種基于圖像翻譯的隱私保護(hù)異構(gòu)聯(lián)邦學(xué)習(xí)方法及系統(tǒng)，它們是相對(duì)應(yīng)的方案，方案中：通過(guò)圖像翻譯服務(wù)器優(yōu)化具有本地用戶數(shù)據(jù)語(yǔ)義保持能力的生成模型，本地用戶以生成模型對(duì)本地異構(gòu)數(shù)據(jù)集執(zhí)行數(shù)據(jù)增強(qiáng)，使得本地?cái)?shù)據(jù)呈現(xiàn)類(lèi)別標(biāo)簽均勻分布的狀態(tài)，...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開(kāi)了基于圖像超分辨率重建處理的室內(nèi)建筑房屋輪廓識(shí)別方法，包括：獲取擴(kuò)充后的建筑平面圖數(shù)據(jù)集；對(duì)沙漏網(wǎng)絡(luò)進(jìn)行改進(jìn)，沙漏網(wǎng)絡(luò)為編碼器?解碼器結(jié)構(gòu)，對(duì)沙漏網(wǎng)絡(luò)中的殘差模塊引入通道注意力模塊，且在進(jìn)行解碼器上采樣過(guò)程后，引入多尺度模塊，利用...
								
            
							
            
							
						
            • 
					
						
          • 
							
							
            
					    		
								
            
								      本發(fā)明公開(kāi)了一種基于多尺度和分層特征融合的PRNU匿名方法，涉及信息安全技術(shù)領(lǐng)域，包括以下步驟：S1：首先輸入目標(biāo)圖像，隨后將該圖像輸入到基于深度學(xué)習(xí)的PRNU提取網(wǎng)絡(luò)中，通過(guò)該網(wǎng)絡(luò)提取目標(biāo)圖像對(duì)應(yīng)的PRNU噪聲；S2：根據(jù)目標(biāo)圖像隨機(jī)生成...
								
            
							
            
							
						
            • 
					
                    
          
                
          

                 
          
                 	
                 	
		            	首頁(yè)
		            	上一頁(yè)
		            	
		            	37
		            	
		            	下一頁(yè)


                 	
            	
          
            
          
            
          
                
          
                  
          技術(shù)分類(lèi)
          
                  
          
                      
                  
          
                
          
            
          
          
          
      
          
    
          
    
    

























































































































































 
 
    







主站蜘蛛池模板：
人妻中文字幕亚洲一区|
国产熟女内射oooo|
国产成人8X人网站视频|
97在线视频人妻无码|
伊人久久大香线蕉av一区二区|
国产成人综合亚洲精品|
久久综合99re88久久爱|
国产片精品av在线观看夜色|
在线a亚洲老鸭窝天堂av高清|
中文在线8资源库|
国产精品成人午夜福利|
全黄h全肉边做边吃奶视频|
美女露出粉嫩小奶头在视频18禁
|
极品少妇hdxx麻豆hdxx|
久久精品国产亚洲不AV麻豆|
内射中出无码护士在线|
国产xxxx视频在线观看|
精品一区二区三区影院在线午夜
|
国产成人拍精品视频午夜网站
|
国产亚洲精品成人aa片新蒲金|
国产免费无码av在线观看|
久久精品国产72国产精|
久久天天躁狠狠躁夜夜婷
|
国产精品人成在线播放蜜臀|
国产精品自在线一区|
法国白嫩大屁股xxxx|
久爱www人成免费网站|
97久久超碰成人精品网站|
人人超碰人人超级碰国|
四虎影视永久无码精品|
在线观看成人无码中文av天堂
|
精品中文人妻中文字幕|
中文字幕乱码视频32|
av无码国产精品麻豆|
亚洲一区二区三区无码影院|
欧美国产日韩a在线视频|
亚洲AV美女在线播放啊|
大陆熟妇丰满多毛xxxx|
欧美熟老熟妇色xxxxx|
伊人久久大香线蕉av最新午夜
|
午夜福利麻豆国产精品|