Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京埃米仪器科技有限公司请求不公布姓名获国家专利权

南京埃米仪器科技有限公司请求不公布姓名获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南京埃米仪器科技有限公司申请的专利一种基于并行可变窗口卷积神经网络的数据配准方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120411179B

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510886326.7,技术领域涉及:G06T7/30;该发明授权一种基于并行可变窗口卷积神经网络的数据配准方法是由请求不公布姓名设计研发完成,并于2025-06-30向国家知识产权局提交的专利申请。

一种基于并行可变窗口卷积神经网络的数据配准方法在说明书摘要公布了:本发明公开了一种基于并行可变窗口卷积神经网络的数据配准方法,包括步骤:S1、构造卷积神经网络的模型并构造多头相似度模块为输出,设置整体损失函数并进行训练;S2、分别使用待配准数据大小的多个不同大小的窗口遍历量测数据,将结果并行输入到模型中;S3、由卷积神经网络计算各窗口的特征向量的相似度,确定备选区域;S4、将备选区域作为中心再遍历,算出余弦相似度,将余弦相似度最高的区域作为配准区域。本发明通过改进卷积神经网络结构,使其和相似度计算结合,构造出数据匹配效果强大的结构;还结合窗口变化、初次计算相似度的粗调、再次计算余弦相似度的二次精细化调整,提升计算准确性;还支持并行数据处理,提高处理效率。

本发明授权一种基于并行可变窗口卷积神经网络的数据配准方法在权利要求书中公布了:1.一种基于并行可变窗口卷积神经网络的数据配准方法,基于大量已有数据进行训练,用于对AFM大量的量测数据进行处理,其特征在于,包括如下步骤: S1、构造一个用于特征提取的卷积神经网络的模型,构造一个多头相似度模块作为模型的输出,设置交叉熵损失函数和三元组损失函数之和作为整体损失函数,并使用大量已有数据进行模型训练;构造卷积神经网络的模型时,设置有:7个卷积单元、深度可分离卷积块、2个卷积模块、3个合并区、2个上采样区、2个通道和多头相似度模块;其中,卷积单元一接收量测数据并连接卷积单元二;卷积单元二连接深度可分离卷积块,深度可分离卷积块包括深度卷积层DW、逐点卷积层PW和卷积单元三;深度可分离卷积块连接C3K2卷积模块;卷积单元四连接C3K2卷积模块,卷积单元四还依次经由合并区一、通道一和卷积单元五构成第一并行支路,卷积单元六依次经由合并区二、通道二和卷积单元七构成第二并行支路,两个并行支路均连接到合并区三后,经由多头相似度模块输出;卷积单元四还依次经由A2C2F卷积模块、卷积单元六、上采样区二、合并区二、上采样区一和合并区一构成空间注意力增强路径,A2C2F卷积模块为带区域注意力机制的卷积模块; S2、基于量测数据中待配准数据的原始大小,分别使用原始大小的A、B、C、D和E倍大小的窗口遍历量测数据,再将每个窗口提取的结果并行输入到步骤S1中的卷积神经网络的模型开始进行处理,获得对应的每个特征向量;其中,0.5A、B、C、D、E1.5; S3、基于步骤S2中每个特征向量的相似度,将最高相似度对应的区域作为备选区域; S4、将步骤S3备选区域作为中心,在中心周围的N×N大小范围内,使用中心1.0大小倍数的窗口再次进行遍历,计算出余弦相似度,将余弦相似度最高的区域作为待配准数据的配准区域。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京埃米仪器科技有限公司,其通讯地址为:211899 江苏省南京市江北新区研创园华富路1号数智溪谷科创广场2号5层;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。