|
搜索
搜 索
高等教育领域数字化综合服务平台
北京学大信息技术集团有限公司
学大教育是A股市场上专注于个性化教育的上市公司，自2001年创立以来，学大教育秉承“以人为本、因材施教”的个性化教育理念，打造了包括个性化培训、全日制教育、职业教育、文化服务等在内的丰富业务模式。
北京学大信息技术集团有限公司
2021-02-01
北京学而思教育科技有限公司
学而思网校，是纽交所上市公司好未来教育集团（原学而思）旗下的中小学在线教育品牌，为6-18岁孩子提供小初高全学科课外辅导。以及为2-8岁孩子提供启蒙课程，学生人数遍及全国300多个城市。
北京学而思教育科技有限公司
2021-02-01
深圳百学智慧教育科技有限公司
百学智慧教育科技于2018年8月成立于中国改革开放前沿城市——深圳。百学智慧教育科技有限公司选择以教育产业互联网作企业发展的道路,随着5G时代到来，互联网技术的成熟以及信息化的需要，市场需要有一家能够帮助教育产业升级的互联网企业。
百学智慧教育科技创始团队多为连续创业者，技术团队具有国内知名企业以及上市公司背景，致力打造资源整合以及互联网+教育生态圈多元化教育产业互联网平台。
深圳百学智慧教育科技有限公司
2021-02-01
秦学(北京)网络教育科技有限公司
秦学教育是秦学（北京）网络教育科技有限公司旗下互联网教育品牌，是产业互联网时代混合运营模式的品牌，以K12校外培训为主要业务，以“科技+教研”为主要，旗下打造了勤学云智慧教学生态系统、月芽儿歌、伊顿名师等教育产品，120多家学习中心，教职员工2000多名。
秦学(北京)网络教育科技有限公司
2021-02-01
肺部多病变CT影像AI筛查与辅助诊断系统
四川大学华西医院2020年3月13日对“肺部多病变CT影像AI筛查与辅助诊断系统”进行测试，该系统能迅速高效地对患者胸部CT影像做出分析，发现具有“肺结节、肺癌、结核、病毒性肺炎、细菌性肺炎”等病症的影像特征。 该技术依托于“疾病流行病学大数据研究平台”，在华西生物医学大数据中心的牵头下，汇聚近20家医疗机构的医学研究支持，基于人工智能深度学习技术，数据来自临床确诊病例，数据的遴选、标注由华西医院放射科影像专家完成。技术研发到测试用时不到30天。CT影像是临床诊断包括新冠肺炎在内的肺部病变的重要依据，但一名患者的肺部CT影像数量在500张左右，导致医生诊断过程中工作量很大。 查看原文
四川大学
2021-04-11
一种实时可见光遥感影像云区检测方法
一种实时可见光遥感影像云区检测方法，属于图像数据处理方法；本发明包括原始影像子块划分，然后快速提取各个子块的特征，最后通过对各个子块特征的二分类完成云区检测。针对云区无方向性的特点，本发明提出用单方向各向异性高斯滤波器组来实施滤波操作。为了避免大尺度二维卷积运算的复杂度，单方向的各向异性高斯滤波操作是通过行、列拆分的无限冲激响应滤波器来实现的。为了降低视觉单词直方图特征生成过程中视觉单词查询复杂度，视觉单词首先通
华中科技大学
2021-04-14
面向对象遥感影像分析中的尺度分割参数自动选择方法
本发明兼顾地学空间统计学和模式识别理论方法，基于统计方法提出分割前最优尺度分割参数自动选择及分割后的尺度效应评价及尺度分割参数的优化调整，提高了面向对象遥感影像信息提取和分析的精度、效率和自动化程度。
中国地质大学（北京）
2021-04-14
一种彩色数字影像色度校正方法及系统
一种彩色数字影像色度校正方法及系统，包括构建典型色彩样本光谱反射率数据集，在源光源条件 下计算数据集中各色彩样本色度信息并以主波长及色纯度为依据进行样本分组，求解目的光源条件下每 组子集中各样本的色度信息；分别以源及目标光源条件下各分组样本子集色度信息为输入输出端，拟合 构建神经网络；针对源光源下任一色度信息，通过分组判别方法确定对应神经网络，并依此预测其对应 目标光源下色度信息。本发明可保证彩色影像色度信息在不同光照条件下映射的准确性，且实施
武汉大学
2021-04-14
基于地形改正的卫星影像虚假地形感知现象改正方法
本发明公开了一种基于地形改正的卫星影像虚假地形感知现象改正方法，从改变光照方向的角度出 发，引入地形改正中的 C 校正模型，通过建立原始影像与虚假地形感知现象改正后影像经过地形改正后 的辐射关系，获得虚假地形感知现象改正前后影像辐射值的对应关系，进而推导出改正后影像灰度值。 本发明方法能够在改正虚假地形感知现象的同时，较好地保持原始影像的空间细节及光谱特性，可显著 提高影像解译准确度。
武汉大学
2021-04-14
先验地理信息辅助下的光学遥感影像舰船检测方法
一种先验地理信息辅助下的光学遥感影像舰船检测方法，包括建立港口和海岸线相关的先验地理信 息库，得到纠正后的待检测遥感影像；进行区域分割提取边界线，根据海岸线矢量库获取海岸线矢量， 进行海岸线变化检测；海陆分离得到海面区域和靠岸区域；针对海面区域，先基于多视觉显著性进行舰 船疑似目标检测，再基于多特征的机器学习方法在舰船疑似目标中检测舰船；针对靠岸区域，进行全局 显著性检测得到初始的疑似区域，再根据形态信息进行图像分割获取最终的疑似区域，之后利用
武汉大学
2021-04-14