5.根据权利要求1所述的方法,其特征在于,所述节点包括所述移动网络的接入点,其中将所述虚拟锚单元(virtual anchor unit,VAU)实例化,包括所述接入点将所述虚拟锚单元(virtual anchor unit,VAU)实例化。 6.根据权利要求1所述的方法,其特征在于,将所述虚拟锚单元(virtual anchorunit,VAU)实例化,包括与所述移动电子...
第二届雷达学报博士论坛 | 基于深度神经网络的SAR图像目标识别方法研究 5601 1 7:21 App SAR图像飞机目标检测与识别 687 -- 2:25 App 基于特征转移金字塔网络的SAR图像跨尺度目标检测 213 -- 1:34 App 论文短视频 | 高时相星载序贯SAR图像运动目标检测方法 1370 -- 2:15 App 论文短视频 | 一种改进...
发明名称: 处理无锚移动网络中的移动设备管理 发明人: 迈赫迪·阿拉什米德·阿卡哈瓦因·穆罕默迪 申请人: 华为技术有限公司 申请日期: 2018-03-19 申请公布日期: 2021-06-01 代理机构: 代理人: 地址: 518129 广东省深圳市龙岗区坂田华为总部办公楼 摘要: 一种移动网络的接入节点中的方法。该方法包括:所述接...
处理无锚移动网络中的移动设备管理专利信息由爱企查专利频道提供,处理无锚移动网络中的移动设备管理说明:一种移动网络的接入节点中的方法。该方法包括:所述接入节点维护与移动电子设备相关的设备管理数据,...专利查询请上爱企查
企查查为您提供一种基于单阶段无锚框检测网络的小目标检测方法专利信息查询,包括专利申请人、申请日期、申请进度,以及显示图片的方法及装置专利发明人信息。更多专利信息查询就上企查查!
摘要利用机器学习方法进行茶叶嫩芽识别有助于茶叶生产的全程智能化.目前的嫩芽识别方法依赖复杂的预处理，导致嫩芽识别效率普遍不高.基于无锚框检测网络CenterNet，提出了一种无需预处理的高速茶叶嫩芽识别方法.针对CenterNet特征提取网络规模过大、识别速度过低的问题，将其特征提取网络替换为ResNet-50.利用改进后的...
本发明公开了一种基于特征匹配优化的无锚框目标检测网络训练方法,所述训练方法包括以下步骤:步骤1,获取待检测图像的目标检测特征图;步骤2,根据特征图,获得所有特征对应的预测框坐标和分类;步骤3,进行特征与目标,背景的匹配.本发明提供的基于特征匹配优化的无锚框目标检测网络训练方法,优化了对长条,密集目标的特征表示...
激光雷达目标检测领域近年来开始借鉴图像目标检测的网络设计, 但依然存在计算低效无法满足实时应用以及网络结构简单导致性能不足的问题. 所提网络采用了单阶段无锚框的简洁设计; 优化了激光点云体素化表达, 在提升计算效率的同时保留了一部分点云高程特征; 基于残差网络的思想, 设计了更深的主干网络结构用于提取深度特征...
1.一种基于无锚框检测网络改进的车辆检测方法,其特征在于,包括以下形成步骤: 步骤一,将图像输入到网络中,通过特征提取模块对输入图像进行特征提取,得到特征图; 步骤二,对所述特征图输入给特征融合模块,将低维特征与高维特征进行特征融合,得到特征融合后特征图; 步骤三,对所述特征融合后的特征图输入给无锚框检测网...
以FCOS为代表的无锚框网络避免了预设锚框带来的超参设定问题,然而其水平框的输出结果无法指示任意朝向下SAR船舶目标的精确边界和朝向.针对此问题,该文提出了一种名为FCOSR的检测算法.首先在FCOS回归分支中添加角度参量使其输出旋转框结果.其次,引入基于可形变卷积的9点特征参与船舶置信度和边界框残差值的预测来降低陆...