CN115471709B - 定向信号智能分析系统 - Google Patents
定向信号智能分析系统 Download PDFInfo
- Publication number
- CN115471709B CN115471709B CN202211189422.9A CN202211189422A CN115471709B CN 115471709 B CN115471709 B CN 115471709B CN 202211189422 A CN202211189422 A CN 202211189422A CN 115471709 B CN115471709 B CN 115471709B
- Authority
- CN
- China
- Prior art keywords
- picture
- analyzed
- analysis device
- analysis
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种定向信号智能分析系统,包括:多层解析部件,包括数据录入设备、范围解析设备、对象解析设备以及灰度解析设备;信息鉴定部件,用于将待分析画面的动态范围信息、待分析画面的主要对象的画面信息以及待分析画面的灰度信息输入到深度前馈网络以获得所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息。通过本发明,能够引入针对性结构设计以及针对性训练的智能模型实现基于待分析画面的动态范围信息、主要对象信息以及灰度信息对待分析画面的预设数量的主要噪声类型分别对应的各个噪声信息的智能鉴定,从而完成画面噪声信息鉴别的归一化处理。
Description
技术领域
本发明涉及数据分析领域,尤其涉及一种定向信号智能分析系统。
背景技术
数据分析的目的是把隐藏在一大批看来杂乱无章的数据中的信息集中和提炼出来,从而找出所研究对象的内在规律。在实际应用中,数据分析可帮助人们做出判断,以便采取适当行动。数据分析是有组织有目的地收集数据、分析数据,使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期,包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程,以提升有效性。例如设计人员在开始一个新的设计以前,要通过广泛的设计调查,分析所得数据以判定设计方向,因此数据分析在工业设计中具有极其重要的地位。
在统计学领域,有些人将数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析;其中,探索性数据分析侧重于在数据之中发现新的特征,而验证性数据分析则侧重于已有假设的证实或证伪。
数据分析可以应用到包括画面噪声类型分析的多个细分领域。目前,对于画面信号,分析其出现的噪声类型以及每一种噪声的幅值对于画面的信噪比检测以及后续画面的清晰化处理以及画面内容的识别至关重要,然而,目前采用的画面噪声鉴别机制是将待分析画面中的画面内容与每一种噪声进行匹配,从而实现噪声类型是否存在于画面中的鉴定以及相关噪声信息的提取,显然,这种鉴别模式繁琐复杂,运算过程较长。
发明内容
为了解决相关领域的技术问题,本发明提供了一种定向信号智能分析系统,能够引入针对性结构设计以及针对性训练的智能模型实现基于待分析画面的动态范围信息、主要对象信息以及灰度信息对待分析画面的预设数量的主要噪声类型分别对应的各个噪声信息的智能鉴定,从而简化噪声信息鉴别过程,提升噪声信号鉴别效率。
根据本发明的一方面,提供了一种定向信号智能分析系统,所述系统包括:
多层解析部件,包括数据录入设备、范围解析设备、对象解析设备以及灰度解析设备,所述数据录入设备分别与所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接,用于将待分析画面分别向所述范围解析设备、所述对象解析设备以及所述灰度解析设备的推送,所述范围解析设备用于解析所述待分析画面的动态范围上限和动态范围下限,所述对象解析设备用于解析所述待分析画面的主要对象类型、主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数,所述灰度解析设备用于解析所述待分析画面各个像素点分别对应的各个灰度值;
信息鉴定部件,分别与所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接,用于将待分析画面的动态范围上限和动态范围下限、待分析画面的主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数以及所述待分析画面各个像素点分别对应的各个灰度值输入到深度前馈网络以获得所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息;
网络重构部件,与所述信息鉴定部件连接,用于在所述信息鉴定部件使用所述深度前馈网络之前,对所述深度前馈网络执行多次训练操作,并将完成多次训练操作后的深度前馈网络发送给所述信息鉴定部件使用;
其中,对所述深度前馈网络执行的训练操作的次数与所述预设数量的取值正向关联;
其中,在所述信息鉴定部件使用所述深度前馈网络之前,对所述深度前馈网络执行多次训练操作,并将完成多次训练操作后的深度前馈网络发送给所述信息鉴定部件使用包括:将已知出现的预设数量的多个主要噪声类型分别对应的多个噪声信息的已知画面的动态范围上限和动态范围下限、已知画面的主要对象的几何形状以及主要对象在所述已知画面中占据的像素点总数以及所述已知画面各个像素点分别对应的各个灰度值输入到深度前馈网络,将已知出现的预设数量的多个主要噪声类型分别对应的多个噪声信息作为所述深度前馈网络的输出,对所述深度前馈网络执行单次训练操作。
本发明至少具备以下三处显著的技术进步:
第一、获取待分析画面的动态范围上限和动态范围下限、待分析画面的主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数以及所述待分析画面各个像素点分别对应的各个灰度值,从而为待分析画面的噪声信息鉴别提供关联数据;
第二、建立执行主要噪声信息鉴定的深度反馈网络,以基于待分析画面的关联数据智能鉴定待分析画面的预设数量的主要噪声类型分别对应的各个噪声信息,从而为画面噪声信息的解析提供统一简化通道;
第三、实现主要噪声信息鉴定的深度反馈网络被执行多次训练操作,其中,对所述深度前馈网络执行的训练操作的次数与智能鉴定的主要噪声类型的预设数量的取值正向关联,从而实现深度前馈网络的针对性训练处理。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明第一实施方案示出的定向信号智能分析系统的结构示意图。
图2为根据本发明第二实施方案示出的定向信号智能分析系统的结构示意图。
图3为根据本发明各个实施方案示出的定向信号智能分析系统所使用的深度前馈网络的结构简图。
具体实施方式
下面将参照附图对本发明的定向信号智能分析系统的实施方案进行详细说明。
实施例1
图1为根据本发明第一实施方案示出的定向信号智能分析系统的结构示意图,所述系统包括:
多层解析部件,包括数据录入设备、范围解析设备、对象解析设备以及灰度解析设备,所述数据录入设备分别与所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接,用于将待分析画面分别向所述范围解析设备、所述对象解析设备以及所述灰度解析设备的推送,所述范围解析设备用于解析所述待分析画面的动态范围上限和动态范围下限,所述对象解析设备用于解析所述待分析画面的主要对象类型、主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数,所述灰度解析设备用于解析所述待分析画面各个像素点分别对应的各个灰度值;
信息鉴定部件,分别与所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接,用于将待分析画面的动态范围上限和动态范围下限、待分析画面的主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数以及所述待分析画面各个像素点分别对应的各个灰度值输入到深度前馈网络以获得所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息;
其中,所述深度前馈网络的简图如图3所示,包括多个输入节点构成的输入层,多个隐含节点构成的隐含层以及多个输出节点构成的输出层;
其中,在图3中,所述隐含层介于所述输入层和所述输出层之间,且所述隐含层的数量为一个以上;
网络重构部件,与所述信息鉴定部件连接,用于在所述信息鉴定部件使用所述深度前馈网络之前,对所述深度前馈网络执行多次训练操作,并将完成多次训练操作后的深度前馈网络发送给所述信息鉴定部件使用;
其中,对所述深度前馈网络执行的训练操作的次数与所述预设数量的取值正向关联;
其中,在所述信息鉴定部件使用所述深度前馈网络之前,对所述深度前馈网络执行多次训练操作,并将完成多次训练操作后的深度前馈网络发送给所述信息鉴定部件使用包括:将已知出现的预设数量的多个主要噪声类型分别对应的多个噪声信息的已知画面的动态范围上限和动态范围下限、已知画面的主要对象的几何形状以及主要对象在所述已知画面中占据的像素点总数以及所述已知画面各个像素点分别对应的各个灰度值输入到深度前馈网络,将已知出现的预设数量的多个主要噪声类型分别对应的多个噪声信息作为所述深度前馈网络的输出,对所述深度前馈网络执行单次训练操作;
其中,在所述多层解析部件中,可以包括不间断供电电源,分别与数据录入设备、范围解析设备、对象解析设备以及灰度解析设备连接;
其中,所述不间断供电电源用于分别为数据录入设备、范围解析设备、对象解析设备以及灰度解析设备提供各自需要的供电电压,从而实现对数据录入设备、范围解析设备、对象解析设备以及灰度解析设备的同步不间断供电。
实施例2
图2为根据本发明第二实施方案示出的定向信号智能分析系统的结构示意图。
如图2所示,与图1中的本发明第一实施方案示出的定向信号智能分析系统不同,图2中的本发明第二实施方案示出的定向信号智能分析系统还可以包括:
数据存储部件,与所述网络重构部件连接,用于存储完成多次训练操作后的深度前馈网络的各项网络参数。
接着,继续对本发明的定向信号智能分析系统的具体结构进行进一步的说明。
在根据本发明任一实施方案的定向信号智能分析系统中:
所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息中,每一噪声信息为对应噪声类型的编号以及最大噪声幅值;
其中,所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息包括:将所述待分析画面中最大噪声幅值超过设定幅值阈值的噪声类型作为主要噪声类型;
其中,所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息还包括:当所述待分析画面中主要噪声类型的总数小于预设数量时,对所述待分析画面中主要噪声类型的数量进行补零处理以使得总数等于预设数量。
在根据本发明任一实施方案的定向信号智能分析系统中:
所述对象解析设备用于解析所述待分析画面的主要对象类型、主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数包括:所述主要对象类型包括人物、树木、窗体、山川、河流以及公路。
在根据本发明任一实施方案的定向信号智能分析系统中:
所述对象解析设备用于解析所述待分析画面的主要对象类型、主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数包括:将所述待分析画面中占据像素点总数最多的对象作为主要对象,将所述主要对象在所述分析画面中占据的各个边沿像素点构成的轮廓作为所述待分析画面的主要对象的几何形状。
在根据本发明任一实施方案的定向信号智能分析系统中:
所述多层解析部件还包括同步调节设备,分别与所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接,用于实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制;
其中,所述多层解析部件还包括同步调节设备,分别与所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接,用于实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制包括:所述同步调节设备采用同一矩形波形信号实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制;
其中,所述同步调节设备采用同一矩形波形信号实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制包括:在所述矩形波形信号的上升沿同步触发待分析画面分别向所述范围解析设备、所述对象解析设备以及所述灰度解析设备的推送。
另外,在所述定向信号智能分析系统中,将待分析画面的动态范围上限和动态范围下限、待分析画面的主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数以及所述待分析画面各个像素点分别对应的各个灰度值输入到深度前馈网络以获得所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息包括:每一灰度值的取值范围在0-255之间。
采用本发明的定向信号智能分析系统,针对现有技术中画面噪声信息鉴别繁琐复杂的技术问题,通过引入针对性结构设计以及针对性训练的智能模型实现基于待分析画面的动态范围信息、主要对象信息以及灰度信息对待分析画面的预设数量的主要噪声类型分别对应的各个噪声信息的智能鉴定,从而完成画面噪声信息鉴别的归一化处理。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (9)
1.一种定向信号智能分析系统,其特征在于,所述系统包括:
多层解析部件,包括数据录入设备、范围解析设备、对象解析设备以及灰度解析设备,所述数据录入设备分别与所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接,用于将待分析画面分别向所述范围解析设备、所述对象解析设备以及所述灰度解析设备的推送,所述范围解析设备用于解析所述待分析画面的动态范围上限和动态范围下限,所述对象解析设备用于解析所述待分析画面的主要对象类型、主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数,所述灰度解析设备用于解析所述待分析画面各个像素点分别对应的各个灰度值;
信息鉴定部件,分别与所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接,用于将待分析画面的动态范围上限和动态范围下限、待分析画面的主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数以及所述待分析画面各个像素点分别对应的各个灰度值输入到深度前馈网络以获得所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息;
网络重构部件,与所述信息鉴定部件连接,用于在所述信息鉴定部件使用所述深度前馈网络之前,对所述深度前馈网络执行多次训练操作,并将完成多次训练操作后的深度前馈网络发送给所述信息鉴定部件使用;
其中,对所述深度前馈网络执行的训练操作的次数与所述预设数量的取值正向关联;
其中,在所述信息鉴定部件使用所述深度前馈网络之前,对所述深度前馈网络执行多次训练操作,并将完成多次训练操作后的深度前馈网络发送给所述信息鉴定部件使用包括:将已知出现的预设数量的多个主要噪声类型分别对应的多个噪声信息的已知画面的动态范围上限和动态范围下限、已知画面的主要对象的几何形状以及主要对象在所述已知画面中占据的像素点总数以及所述已知画面各个像素点分别对应的各个灰度值输入到深度前馈网络,将已知出现的预设数量的多个主要噪声类型分别对应的多个噪声信息作为所述深度前馈网络的输出,对所述深度前馈网络执行单次训练操作。
2.如权利要求1所述的定向信号智能分析系统,其特征在于,所述系统还包括:
数据存储部件,与所述网络重构部件连接,用于存储完成多次训练操作后的深度前馈网络的各项网络参数。
3.如权利要求1-2任一所述的定向信号智能分析系统,其特征在于:
所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息中,每一噪声信息为对应噪声类型的编号以及最大噪声幅值。
4.如权利要求3所述的定向信号智能分析系统,其特征在于:
所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息包括:将所述待分析画面中最大噪声幅值超过设定幅值阈值的噪声类型作为主要噪声类型。
5.如权利要求4所述的定向信号智能分析系统,其特征在于:
所述深度前馈网络输出的所述待分析画面中出现的预设数量的多个主要噪声类型分别对应的多个噪声信息还包括:当所述待分析画面中主要噪声类型的总数小于预设数量时,对所述待分析画面中主要噪声类型的数量进行补零处理以使得总数等于预设数量。
6.如权利要求1-2任一所述的定向信号智能分析系统,其特征在于:
所述对象解析设备用于解析所述待分析画面的主要对象类型、主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数包括:所述主要对象类型包括人物、树木、窗体、山川、河流以及公路。
7.如权利要求1-2任一所述的定向信号智能分析系统,其特征在于:
所述对象解析设备用于解析所述待分析画面的主要对象类型、主要对象的几何形状以及主要对象在所述待分析画面中占据的像素点总数包括:将所述待分析画面中占据像素点总数最多的对象作为主要对象,将所述主要对象在所述分析画面中占据的各个边沿像素点构成的轮廓作为所述待分析画面的主要对象的几何形状。
8.如权利要求1-2任一所述的定向信号智能分析系统,其特征在于:
所述多层解析部件还包括同步调节设备,分别与所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接,用于实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制。
9.如权利要求8所述的定向信号智能分析系统,其特征在于:
所述多层解析部件还包括同步调节设备,分别与所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备连接,用于实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制包括:所述同步调节设备采用同一矩形波形信号实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制;
其中,所述同步调节设备采用同一矩形波形信号实现所述数据录入设备、所述范围解析设备、所述对象解析设备以及所述灰度解析设备的数据同步控制包括:在所述矩形波形信号的上升沿同步触发待分析画面分别向所述范围解析设备、所述对象解析设备以及所述灰度解析设备的推送。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211189422.9A CN115471709B (zh) | 2022-09-28 | 2022-09-28 | 定向信号智能分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211189422.9A CN115471709B (zh) | 2022-09-28 | 2022-09-28 | 定向信号智能分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115471709A CN115471709A (zh) | 2022-12-13 |
CN115471709B true CN115471709B (zh) | 2023-06-27 |
Family
ID=84335004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211189422.9A Active CN115471709B (zh) | 2022-09-28 | 2022-09-28 | 定向信号智能分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115471709B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116385307B (zh) * | 2023-04-11 | 2024-05-03 | 衡阳市欣嘉传媒有限公司 | 画面信息滤波效果鉴定系统 |
CN116399267A (zh) * | 2023-04-12 | 2023-07-07 | 宁波天一华邦粉末涂料有限公司 | 聚酯粉末涂料制品表面均匀等级鉴定系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017162069A1 (zh) * | 2016-03-25 | 2017-09-28 | 阿里巴巴集团控股有限公司 | 一种图像文本的识别方法和装置 |
WO2021077997A1 (zh) * | 2019-10-23 | 2021-04-29 | 上海理工大学 | 图像去噪的多生成器生成对抗网络学习方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW469733B (en) * | 2000-01-07 | 2001-12-21 | Dynacolor Inc | Method of dynamically modulating image brightness and image catching device using the method |
CN107509091B (zh) * | 2017-09-13 | 2018-04-17 | 江苏开放大学 | 用于视频播放装置的即时数据统计系统及方法 |
JP6569755B1 (ja) * | 2018-03-06 | 2019-09-04 | Tdk株式会社 | ニューラルネットワーク装置、信号生成方法およびプログラム |
CN109117815A (zh) * | 2018-08-28 | 2019-01-01 | 朱如兴 | 现场噪声幅值分析系统 |
KR20190119548A (ko) * | 2019-10-02 | 2019-10-22 | 엘지전자 주식회사 | 이미지 노이즈 처리방법 및 처리장치 |
CN114464174A (zh) * | 2022-01-11 | 2022-05-10 | 同济大学 | 一种基于深度学习的制动噪声分类识别方法 |
-
2022
- 2022-09-28 CN CN202211189422.9A patent/CN115471709B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017162069A1 (zh) * | 2016-03-25 | 2017-09-28 | 阿里巴巴集团控股有限公司 | 一种图像文本的识别方法和装置 |
WO2021077997A1 (zh) * | 2019-10-23 | 2021-04-29 | 上海理工大学 | 图像去噪的多生成器生成对抗网络学习方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115471709A (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115471709B (zh) | 定向信号智能分析系统 | |
CN107393542B (zh) | 一种基于双通道神经网络的鸟类物种识别方法 | |
CN111914085B (zh) | 文本细粒度情感分类方法、系统、装置及存储介质 | |
WO2021073116A1 (zh) | 生成法律文书的方法、装置、设备和存储介质 | |
CN110516536A (zh) | 一种基于时序类别激活图互补的弱监督视频行为检测方法 | |
EP3848852B1 (en) | Method and apparatus for detecting temporal action of video, electronic device, storage medium, and computer program product | |
CN106708815A (zh) | 数据处理方法、装置和系统 | |
CN107239538B (zh) | 具有自学习功能的平行客服机器人系统及其自学习方法 | |
CN105224690B (zh) | 生成并选择对应含参语句的执行计划的方法及系统 | |
CN108765264A (zh) | 图像美颜方法、装置、设备及存储介质 | |
CN107992937A (zh) | 基于深度学习的非结构化数据判决方法和装置 | |
CN111710344A (zh) | 一种信号处理方法、装置、设备及计算机可读存储介质 | |
CN112418175A (zh) | 基于域迁移的滚动轴承故障诊断方法、系统及存储介质 | |
CN114155445A (zh) | 基于改进YOLOv3的SAR图像目标检测方法 | |
CN107133631A (zh) | 一种识别电视台图标的方法及装置 | |
CN113762503A (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
CN110413840A (zh) | 一种对视频确定标签的神经网络、方法、介质和计算设备 | |
CN102129575B (zh) | 一种基于颜色空间肤色模型的色情图像分析系统 | |
CN117037820A (zh) | 基于扩散的内容与风格解耦的语音转换方法 | |
CN107766838B (zh) | 一种视频场景切换检测方法 | |
CN109583333B (zh) | 基于水淹法和卷积神经网络的图像识别方法 | |
CN113568888A (zh) | 索引推荐方法及装置 | |
CN107862066B (zh) | 一种法庭笔录系统及其实现方法 | |
CN116311480B (zh) | 一种基于多通道双流注意力的伪造人脸检测方法 | |
CN111065100B (zh) | 威胁分析方法及装置和威胁分析系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230607 Address after: 430000 No. 017, zone a, floor 3, building 45, badajia Garden (China Science and Technology Innovation Center), Qingshan District, Wuhan City, Hubei Province Applicant after: Wuhan Zhongan Zhitong Technology Co.,Ltd. Address before: 3/F, Building 1, Zone C, Tianfu Software Park, No. 219, Tianhua Second Road, High tech Zone, Chengdu, Sichuan 610041 Applicant before: Liu Peng |
|
GR01 | Patent grant | ||
GR01 | Patent grant |