专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

1. 发明申请

WO2017120253A1 GENERATING HIGH RESOLUTION IMAGES FROM LOW RESOLUTION IMAGES FOR SEMICONDUCTOR APPLICATIONS 审中-公开
标题翻译：从低分辨率图像生成高分辨率图像用于半导体应用
公开(公告)号：WO2017120253A1
公开(公告)日：2017-07-13
申请号：PCT/US2017/012209
申请日：2017-01-04
申请人： KLA-TENCOR CORPORATION
发明人： ZHANG, Jing , CHEN, Grace H. , BHASKAR, Kris , WELLS, Keith , BAI, Nan , GU, Ping , GAO, Lisheng
IPC分类号： G06T3/40 , G06N3/08 , G06N99/00
CPC分类号： G06T11/60 , G01N21/9501 , G01N2201/12 , G06K9/4628 , G06K9/6269 , G06K9/6273 , G06K9/6857 , G06K2209/19 , G06T7/0004 , G06T2207/30148
摘要： Methods and systems for generating a high resolution image for a specimen from one or more low resolution images of the specimen are provided. One system includes one or more computer subsystems configured for acquiring one or more low resolution images of a specimen. The system also includes one or more components executed by the one or more computer subsystems. The one or more components include a model that includes one or more first layers configured for generating a representation of the one or more low resolution images. The model also includes one or more second layers configured for generating a high resolution image of the specimen from the representation of the one or more low resolution images.
摘要翻译：提供了用于从样本的一个或多个低分辨率图像生成样本的高分辨率图像的方法和系统。一个系统包括一个或多个计算机子系统，其被配置为获取样本的一个或多个低分辨率图像。该系统还包括由一个或多个计算机子系统执行的一个或多个组件。该一个或多个组件包括模型，该模型包括被配置用于生成一个或多个低分辨率图像的表示的一个或多个第一层。该模型还包括一个或多个第二层，其被配置用于根据一个或多个低分辨率图像的表示来生成标本的高分辨率图像。

2. 发明申请

WO2017062645A1 PLATFORM FOR GATHERING REAL-TIME ANALYSIS 审中-公开
标题翻译：平台实时分析
公开(公告)号：WO2017062645A1
公开(公告)日：2017-04-13
申请号：PCT/US2016/055788
申请日：2016-10-06
申请人： EVOLV TECHNOLOGIES, INC.
发明人： ELLENBOGEN, Michael , MCCORD, M., Brendan , KNOTH, Brian , WOLFE, Brandon
IPC分类号： G06N3/10 , G06N7/06 , G06K9/62 , G06N3/08
CPC分类号： H04L43/08 , G06K9/00771 , G06K9/4628 , G06K9/6273 , G06N3/08 , G06N3/10 , G06N5/022 , G06N5/025 , G06N7/005 , G06N7/06 , G06N99/005 , H04L43/04 , H04L67/10
摘要： Data is received characterizing a request for agent computation of sensor data. The request includes a required confidence and required latency for completion of the agent computation. Agents to query are determined based on the required confidence. Data is transmitted to query the determined agents to provide analysis of the sensor data. Related apparatus, systems, techniques, and articles are also described.
摘要翻译：接收数据表征传感器数据的代理计算请求。该请求包括完成代理计算所需的置信度和所需延迟。要查询的代理基于所需的置信度确定。发送数据以查询确定的代理以提供对传感器数据的分析。还描述了相关装置，系统，技术和制品。

3. 发明申请

WO2015148254A3 INVARIANT OBJECT REPRESENTATION OF IMAGES USING SPIKING NEURAL NETWORKS 审中-公开
标题翻译：使用SPIKING神经网络的图像的不确定对象表示
公开(公告)号：WO2015148254A3
公开(公告)日：2016-01-07
申请号：PCT/US2015021428
申请日：2015-03-19
申请人： QUALCOMM INC
发明人： AGRAWAL PULKIT , MAJUMDAR SOMDEB , GUPTA VIKRAM
IPC分类号： G06N3/04 , G06K9/46
CPC分类号： G06K9/4647 , G06K9/4619 , G06K9/6273 , G06N3/049
摘要： A method for generating a histogram in a spiking neural network includes counting spikes associated with a latency encoded representation of an object. The method also includes generating the histogram based on the spike count.
摘要翻译：用于在加标神经网络中生成直方图的方法包括计数与对象的等待时间编码表示相关联的峰值。该方法还包括基于尖峰计数生成直方图。

4. 发明申请

WO2013012534A1 MONITORING SYSTEM USING KERNEL REGRESSION MODELING WITH PATTERN SEQUENCES 审中-公开
标题翻译：使用KERNEL回归建模与模式序列的监测系统
公开(公告)号：WO2013012534A1
公开(公告)日：2013-01-24
申请号：PCT/US2012/044614
申请日：2012-06-28
申请人： SMARTSIGNAL , HERZOG, James, P.
发明人： HERZOG, James, P.
IPC分类号： G05B23/02
CPC分类号： G05B23/0254 , G06K9/00536 , G06K9/6273
摘要： A monitoring system for determining the condition of an object includes an empirical model with reference data that indicates the normal operational state of the object, and input pattern arrays. Each input pattern array has a plurality of time-ordered input vectors, while each input vector has input values representing a plurality of parameters indicating the current condition of the object. The empirical model generates estimate values based on a calculation that uses an input pattern array and the reference data to determine a similarity measure between the input values and reference data. A differencing module compares the estimates values to the corresponding input values so that resulting values from the comparison can be used to determine the condition of the object.
摘要翻译：用于确定对象的状况的监视系统包括具有指示对象的正常操作状态的参考数据和输入模式阵列的经验模型。每个输入图案阵列具有多个时间有序的输入向量，而每个输入向量具有表示指示对象的当前状态的多个参数的输入值。经验模型基于使用输入图案阵列和参考数据的计算来生成估计值，以确定输入值和参考数据之间的相似性度量。差分模块将估计值与相应的输入值进行比较，从而可以使用来自比较的结果值来确定对象的状况。

5. 发明申请

WO2012050262A1 에프에스브이알과 지엘알티를 이용한 발전소 계측기 성능감시 방법 및 시스템 审中-公开
标题翻译：使用FFVR和GLRT监测植物仪器性能的方法和系统
公开(公告)号：WO2012050262A1
公开(公告)日：2012-04-19
申请号：PCT/KR2010/008308
申请日：2010-11-24
申请人： 한국전력공사 , 서인용 , 하복남 , 이성우 , 신창훈 , 박민호
发明人： 서인용 , 하복남 , 이성우 , 신창훈 , 박민호
IPC分类号： G21D3/04 , G05B23/02 , G05B19/406
CPC分类号： G05B23/0221 , G06K9/6269 , G06K9/6273 , G06K9/6284 , G21D3/00 , G21D3/001 , Y02E30/39
摘要： 본 발명의 FSVR과 GLRT를 이용한 발전소 계측기 성능감시 방법은, 전체의 데이터 셋(X)을 행렬의 형태로 표시하고, 훈련용(Xtr), 최적화용(Xopt), 시험용(Xts)으로 삼분하는 제1단계와; 상기 제1단계에서 행렬 형태로 표시된 전체의 데이터를 정규화하는 제2단계; 상기 제2단계에서 정규화된 데이터 셋(Z)을 훈련용(Ztr), 최적화용(Zopt), 시험용(Zts)으로 삼분하는 제3단계; 상기 제3단계에서 정규화되어 삼분된 훈련용(Ztr), 최적화용(Zopt), 시험용(Zts)의 각 데이터 셋(Z)의 주성분을 추출하는 제4단계; 데이터 셋과 주성분을 원하는 개수 만큼의 데이터 군집으로 나누는 제5단계; 각 FSVR 모델의 최적 상수 (ε 1 ,C 1 ,σ 1 ) 및 (ε 2 ,C 2 ,σ 2 )를 구하는 제6단계; 퍼지 멤버쉽 그레이드(μ 1 ,μ 2 )를 계산하는 제7단계; 출력 예측치(Zts1_hat과 Zts2_hat)를 구하는 제8단계; 전체의 데이터에 대한 예측치(Zts_hat)를 구하는 제9단계; 시험용 데이터에 대한 예측치를 시간순으로 분류하는 제10단계; 원래 스케일의 각 센서에 대한 예측치를 구하는 제11단계 및; 센서의 드리프트를 판별하는 제12단계를 갖추어 이루어진 것을 특징으로 한다.
摘要翻译：本发明涉及一种使用FSVR和GLRT监测工厂仪表的性能的方法，包括：将整个数据集（X）表示为矩阵并将数据集分为三个训练数据子集（Xtr）的第一步骤，，优化（Xopt）和测试（Xts）; 在第一步骤中归一化表示为矩阵的所有数据的第二步骤; 将归一化数据集（Z）分类为三个训练数据子集（Ztr），优化（Zopt）和测试（Zts）的第三步骤; 从用于训练的数据子集（Z）（Ztr），优化（Zopt）和测试（Zts）中提取主要组件的第四步骤; 将数据组和主要组件划分成数据组的所需数量的第五步骤; 计算每个FSVR模型的最优系数（e1，C1，s1）和（e2，C2，s2）的第六步骤; 计算模糊成员等级（μ1，μ2）的第七步; 计算输出预测值（Zts1_hat和Zts2_hat）的第八步骤; 计算所有数据（Zts_hat）的预测值的第九步骤; 对测试数据的预测值进行分类的第十步骤; 以原始尺度计算传感器的预测值的第十一步骤; 以及确定传感器漂移的第十二步骤。

6. 发明申请

WO2010125915A1 年齢推定装置及び方法並びにプログラム审中-公开
标题翻译：年龄估计装置，方法和程序
公开(公告)号：WO2010125915A1
公开(公告)日：2010-11-04
申请号：PCT/JP2010/056689
申请日：2010-04-14
申请人： NECソフト株式会社 , 国立大学法人東京工業大学 , 植木一也 , 杉山将 , 伊原康行
发明人：植木　一也 , 杉山　将 , 伊原　康行
IPC分类号： G06T7/00
CPC分类号： G06K9/6273 , G06K2009/00322
摘要：　人間が知覚する結果に近い認識結果を得られる年齢推定装置及び方法並びにプログラムを提供する。　画像データに写された人物の年齢を推定する年齢推定装置１０であって、画像データに対して次元圧縮を施して低次元データを出力する次元圧縮部１１と、低次元データに含まれる特徴量を用いて人物の年齢を学習結果を基に推定する識別器１２とを有し、次元圧縮部１１での次元圧縮のパラメータと、年齢の推定に識別器１２が用いる特徴量とが、年齢推定誤差の深刻度を年齢ごとに示す重み関数を用いた汎化能力の評価結果に基づいて設定され、重み関数に基づいて識別器１２の学習がなされる。
摘要翻译：提供了能够获得与人的感知所获得的识别结果接近的识别结果的年龄估计装置，方法和程序。用于估计作为图像数据拍摄的人的年龄的年龄估计装置（10）包括：尺寸压缩单元（11），用于对图像数据进行尺寸压缩，并输出下部维度数据;以及识别器（12）基于学习结果，使用包括在较低维度数据中的特征量的人的年龄。在维度压缩单元（11）中使用的尺寸压缩参数和由标识符（12）用于估计年龄的特征量基于使用代表严重性的加权函数的泛化能力的评估结果来设置基于每个年龄的年龄估计误差，并且标识符（12）基于加权函数执行学习。

7. 发明申请

WO2019037259A1 电子装置、发票分类的方法、系统及计算机可读存储介质审中-公开
公开(公告)号：WO2019037259A1
公开(公告)日：2019-02-28
申请号：PCT/CN2017/108762
申请日：2017-10-31
申请人：平安科技(深圳)有限公司
发明人：王健宗 , 韩茂琨 , 刘鹏 , 肖京
IPC分类号： G06T3/60
CPC分类号： G06K9/6256 , G06K9/6273 , G06T3/608 , G06T2207/20081 , G06T2207/20084
摘要：一种电子装置、发票分类的方法、系统及计算机可读存储介质，所述电子装置包括存储器（11）及与存储器（11）连接的处理器（12），所述存储器（11）存储有可在处理器（12）上运行的识别系统。所述识别系统被处理器（12）执行时实现如下步骤：在接收到待处理的发票图片后，利用预定的矫正规则对所述发票图片进行倾斜矫正（S1）；利用预先训练生成的发票图片识别模型对倾斜矫正后的发票图片进行类别识别，并输出类别识别结果（S2）。该电子装置能够快速对批量的发票图片进行角度矫正和分类，提高处理的效果。

8. 发明申请

WO2018197835A1 APPARATUS AND METHOD FOR OPEN-SET OBJECT RECOGNITION 审中-公开
公开(公告)号：WO2018197835A1
公开(公告)日：2018-11-01
申请号：PCT/GB2018/050971
申请日：2018-04-12
申请人： BLIPPAR.COM LIMITED
发明人： XU, Xun , THILAK, Vimal , CAO, Meng , WANG, Xuejun
IPC分类号： G06K9/46 , G06K9/62
CPC分类号： G06K9/4628 , G06K9/6262 , G06K9/6273
摘要： Data processing apparatus comprising data processing resources comprising a processor and memory, said memory configured to store image data representative of a scene and configured with machine-readable instructions executable by said processor to configure said data processing circuitry to: provide a convolutional neural network trained for closed-set object recognition of a set of objects of an object training class; provide a prediction layer configured to comprise a first likelihood for an object belonging to said training class and a second likelihood for an object not belonging to said training class; receive plural instances of image data each representative of a scene comprising an object belonging to said training class or representative of a scene not comprising an object belonging to said training class and outputting for each of said plural instances of training image data respective output values ϕ from the said convolutional neural network indicative of the image content of said training image data, said value φ comprising a value ϕ responsive to the input scene comprising an object belonging to the training class and a value φ̅ for the input scene not comprising an object belonging to the training class; and generate a prediction layer indicative of a probability of an instance of image data being representative of a scene comprising an object belonging to said training class from a distribution of said respective output values φ and φ̅.

9. 发明申请

WO2018136262A1 SYSTEMS AND METHODS FOR DEFECT DETECTION 审中-公开
公开(公告)号：WO2018136262A1
公开(公告)日：2018-07-26
申请号：PCT/US2018/012985
申请日：2018-01-09
申请人： AQUIFI, INC.
发明人： STOPPA, Michele , PERUCH, Francesco , PASQUALOTTO, Giuliano , HAZEGHI, Aryan , SALVAGNINI, Pietro , DAL MUTTO, Carlo , TRACHEWSKY, Jason , TIEU, Kinh
IPC分类号： G06T15/00 , G06T17/00
CPC分类号： G06T7/001 , G06K9/00214 , G06K9/4628 , G06K9/6273 , G06T7/55 , G06T17/20 , G06T2207/30108
摘要： A method for detecting a defect in an object includes: capturing, by one or more depth cameras, a plurality of partial point clouds of the object from a plurality of different poses with respect to the object; merging, by a processor, the partial point clouds to generate a merged point cloud; computing, by the processor, a three- dimensional (3D) multi-view model of the object; detecting, by the processor, one or more defects of the object in the 3D multi-view model; and outputting, by the processor, an indication of the one or more defects of the object.

10. 发明申请

WO2018084942A1 DEEP CROSS-CORRELATION LEARNING FOR OBJECT TRACKING 审中-公开
标题翻译：物体跟踪的深度交叉相关学习
公开(公告)号：WO2018084942A1
公开(公告)日：2018-05-11
申请号：PCT/US2017/052252
申请日：2017-09-19
申请人： QUALCOMM INCORPORATED
发明人： HABIBIAN, Amirhossein , SNOEK, Cornelis, Gerardus, Maria
IPC分类号： G06N3/04 , G06N3/08 , G06K9/32
CPC分类号： G06K9/623 , G06K9/3241 , G06K9/4628 , G06K9/6273 , G06K2009/3291 , G06N3/0454 , G06N3/067 , G06N3/084
摘要： An artificial neural network for learning to track a target across a sequence of frames includes a representation network configured to extract a target region representation from a first frame and a search region representation from a subsequent frame. The artificial neural network also includes a cross-correlation layer configured to convolve the extracted target region representation with the extracted search region representation to determine a cross-correlation map. The artificial neural network further includes a loss layer configured to compare the cross-correlation map with a ground truth cross-correlation map to determine a loss value and to back propagate the loss value into the artificial neural network to update filter weights of the artificial neural network.
摘要翻译：用于学习在帧序列上追踪目标的人工神经网络包括表示网络，该表示网络被配置为从第一帧提取目标区域表示以及从后续帧提取搜索区域表示。该人造神经网络还包括互相关层，该互相关层被配置成将提取的目标区域表示与提取的搜索区域表示进行卷积以确定互相关映射。人造神经网络还包括损失层，其被配置为将互相关映射与地面实况互相关映射进行比较以确定损失值并将损失值反向传播到人造神经网络中以更新人造神经的滤波器权重网络

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式