一种基于深度多层特征融合学习的小麦麦蜘蛛检测方法

被引：0

专利类型：

发明

申请号：

CN201710894737.6

申请日：

2017-09-28

公开(公告)号：

CN107808116A

公开(公告)日：

2018-03-16

发明(设计)人：

陈天娇王儒敬谢成军张洁李瑞

申请人：

申请人地址：

230031 安徽省合肥市蜀山湖路350号

IPC主分类号：

G06K900

IPC分类号：

G06K962

代理机构：

合肥国和专利代理事务所(普通合伙) 34131

代理人：

张祥骞

法律状态：

公开

国省代码：

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2018-03-16	公开	公开
2018-04-10	实质审查的生效	实质审查的生效 IPC(主分类):G06K 9/00 申请日:20170928
2020-05-05	授权	授权

共 50 条

[1]

一种基于深度学习多层特征融合的布匹缺陷检测方法 [P].

赵凯 ;

牛佩红 .

中国专利 :CN111862059A ,2020-10-30

[2]

一种基于深度学习和多层特征融合的驾驶场景目标检测方法 [P].

赵敏 ;

孙棣华 ;

贾建 .

中国专利 :CN108875595A ,2018-11-23

[3]

一种基于多层特征融合的车辆检测方法 [P].

王玉 ;

李涵宇 ;

申铉京 ;

黄永平 ;

刘同壮 .

中国专利 :CN113420706B ,2021-09-21

[4]

一种基于多层特征融合及迁移学习的PCB缺陷检测方法 [P].

杨肖 ;

王永 ;

李王渊 ;

王永佳 .

中国专利 :CN119251191A ,2025-01-03

[5]

基于多层特征融合的视频目标检测方法 [P].

韩红 ;

岳欣 ;

李阳 ;

陈军如 ;

张照宇 ;

范迎春 ;

高鑫磊 ;

唐裕亮 .

中国专利 :CN110427839B ,2019-11-08

[6]

一种基于多层特征图连接的深度学习目标检测方法 [P].

杨爱萍 ;

鲁立宇 ;

冀中 ;

庞彦伟 ;

杨炳旺 .

中国专利 :CN110110783A ,2019-08-09

[7]

一种基于深度学习多层刺激的行人检测方法 [P].

李玺 ;

李健 .

中国专利 :CN107301376A ,2017-10-27

[8]

一种基于RetinaNet模型的麦蜘蛛图像检测方法 [P].

庞登浩 ;

王弘 ;

孟浩 ;

陈鹏 ;

梁栋 ;

徐超 ;

王海涛 .

中国专利 :CN114743023A ,2022-07-12

[9]

基于深度学习及多特征点融合的行人检测方法 [P].

刘宁 ;

黄德亮 ;

姚磊 ;

王作辉 ;

袁德胜 .

中国专利 :CN107145845A ,2017-09-08

[10]

一种基于深度策略学习的小麦病害检测方法 [P].

谢成军 ;

王儒敬 ;

张洁 ;

李瑞 ;

陈天娇 ;

胡海瀛 .

中国专利 :CN108021894B ,2018-05-11

← 1 2 3 4 5 →