CN108596101A - 一种基于卷积神经网络的遥感图像多目标检测方法 - Google Patents
一种基于卷积神经网络的遥感图像多目标检测方法 Download PDFInfo
- Publication number
- CN108596101A CN108596101A CN201810380509.1A CN201810380509A CN108596101A CN 108596101 A CN108596101 A CN 108596101A CN 201810380509 A CN201810380509 A CN 201810380509A CN 108596101 A CN108596101 A CN 108596101A
- Authority
- CN
- China
- Prior art keywords
- network
- frame
- remote sensing
- feature
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 238000013527 convolutional neural network Methods 0.000 title claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012360 testing method Methods 0.000 claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 239000010410 layer Substances 0.000 claims description 68
- 238000013480 data collection Methods 0.000 claims description 5
- 238000011176 pooling Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000003475 lamination Methods 0.000 claims description 2
- 238000004321 preservation Methods 0.000 claims description 2
- 239000002356 single layer Substances 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000005476 size effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
名称 | 主要参数 | 输入 | 输出 |
Conv1_1,Conv1_2 | 卷积层,3x3卷积核 | 输入图片 | F1 |
Pool1 | 池化层,2x2池化核 | F1 | F2 |
Conv2_1,Conv2_2 | 卷积层,3x3卷积核 | F2 | F3 |
Pool2 | 池化层,2x2池化核 | F3 | F4 |
Conv3_1Conv3_2,Conv3_3 | 卷积层,3x3卷积核 | F4 | F5 |
Pool3 | 池化层,2x2池化核 | F5 | F6 |
Conv4_1Conv4_2,Conv4_3 | 卷积层,3x3卷积核 | F6 | F7 |
Pool4 | 池化层,2x2池化核 | F7 | F8 |
Conv5_1Conv5_2,Conv5_3 | 卷积层,3x3卷积核 | F8 | F9 |
Pool5 | 池化层,2x2池化核 | F9 | F10 |
Fc6 | 全连接层,输出4096 | F11 | F12 |
Fc7 | 全连接层,输出4096 | F12 | F13 |
Softmax | Softmax层,输出n | F13 | F14 |
类别 | 准确率 |
飞机 | 97.8% |
船只 | 87.6% |
存储罐 | 67.2% |
棒球场 | 94.8% |
网球场 | 99.5% |
篮球场 | 99.5% |
操场 | 95.9% |
港口 | 96.8% |
桥梁 | 68.0% |
车辆 | 85.1% |
平均 | 89.2% |
Claims (6)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810380509.1A CN108596101B (zh) | 2018-04-25 | 2018-04-25 | 一种基于卷积神经网络的遥感图像多目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810380509.1A CN108596101B (zh) | 2018-04-25 | 2018-04-25 | 一种基于卷积神经网络的遥感图像多目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108596101A true CN108596101A (zh) | 2018-09-28 |
CN108596101B CN108596101B (zh) | 2021-07-27 |
Family
ID=63609863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810380509.1A Active CN108596101B (zh) | 2018-04-25 | 2018-04-25 | 一种基于卷积神经网络的遥感图像多目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596101B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685780A (zh) * | 2018-12-17 | 2019-04-26 | 河海大学 | 一种基于卷积神经网络的零售商品识别方法 |
CN109726769A (zh) * | 2019-01-24 | 2019-05-07 | 电子科技大学 | 一种基于卷积核权重参数的目标分类和角度估计方法 |
CN109726739A (zh) * | 2018-12-04 | 2019-05-07 | 深圳大学 | 一种目标检测方法和*** |
CN109800637A (zh) * | 2018-12-14 | 2019-05-24 | 中国科学院深圳先进技术研究院 | 一种遥感影像小目标检测方法 |
CN109800755A (zh) * | 2018-12-14 | 2019-05-24 | 中国科学院深圳先进技术研究院 | 一种基于多尺度特征的遥感影像小目标检测方法 |
CN109815914A (zh) * | 2019-01-28 | 2019-05-28 | 成都蝉远科技有限公司 | 一种基于植被区域识别的卷积神经网络模型训练方法及*** |
CN109959911A (zh) * | 2019-03-25 | 2019-07-02 | 清华大学 | 基于激光雷达的多目标自主定位方法及装置 |
CN109977997A (zh) * | 2019-02-13 | 2019-07-05 | 中国科学院自动化研究所 | 基于卷积神经网络快速鲁棒的图像目标检测与分割方法 |
CN110084093A (zh) * | 2019-02-20 | 2019-08-02 | 北京航空航天大学 | 基于深度学习的遥感图像中目标检测与识别的方法及装置 |
CN110197147A (zh) * | 2019-05-23 | 2019-09-03 | 星际空间(天津)科技发展有限公司 | 遥感影像的建筑物实例提取方法、装置、存储介质及设备 |
CN110378242A (zh) * | 2019-06-26 | 2019-10-25 | 南京信息工程大学 | 一种双重注意力机制的遥感目标检测方法 |
CN110400305A (zh) * | 2019-07-26 | 2019-11-01 | 哈尔滨理工大学 | 一种基于深度学习的目标检测方法 |
CN110414377A (zh) * | 2019-07-09 | 2019-11-05 | 武汉科技大学 | 一种基于尺度注意力网络的遥感图像场景分类方法 |
CN110992642A (zh) * | 2019-12-25 | 2020-04-10 | 辽宁石油化工大学 | 一种基于深度学习的火灾检测方法 |
CN111091095A (zh) * | 2019-12-19 | 2020-05-01 | 华中科技大学 | 一种遥感图像中船只目标的检测方法 |
CN111160410A (zh) * | 2019-12-11 | 2020-05-15 | 北京京东乾石科技有限公司 | 一种物体检测方法和装置 |
CN111192240A (zh) * | 2019-12-23 | 2020-05-22 | 北京航空航天大学 | 一种基于随机接入记忆的遥感图像目标检测方法 |
CN111368600A (zh) * | 2018-12-26 | 2020-07-03 | 北京眼神智能科技有限公司 | 遥感图像目标检测识别方法、装置、可读存储介质及设备 |
CN111401383A (zh) * | 2020-03-06 | 2020-07-10 | 中国科学院重庆绿色智能技术研究院 | 基于图像检测的目标框预估方法、***、设备及介质 |
CN111709991A (zh) * | 2020-05-28 | 2020-09-25 | 武汉工程大学 | 一种铁路工机具的检测方法、***、装置和存储介质 |
CN111709307A (zh) * | 2020-05-22 | 2020-09-25 | 哈尔滨工业大学 | 一种基于分辨率增强的遥感图像小目标检测方法 |
CN111798530A (zh) * | 2020-07-15 | 2020-10-20 | 南京信息工程大学 | 一种遥感图像分类方法 |
CN112017178A (zh) * | 2020-09-08 | 2020-12-01 | 重庆市地理信息和遥感应用中心 | 一种基于双时相差值图像法的遥感图像区域变化检测方法 |
CN112180338A (zh) * | 2020-06-10 | 2021-01-05 | 四川九洲电器集团有限责任公司 | 全息数字阵列雷达目标数量估计方法和*** |
CN112800982A (zh) * | 2021-02-01 | 2021-05-14 | 苏州喆鑫信息科技有限公司 | 一种基于遥感场景分类的目标检测方法 |
CN112884753A (zh) * | 2021-03-10 | 2021-06-01 | 杭州申昊科技股份有限公司 | 一种基于卷积神经网络的轨道扣件检测及分类方法 |
CN113935928A (zh) * | 2020-07-13 | 2022-01-14 | 四川大学 | 基于Raw格式岩心图像超分辨率重建 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169421A (zh) * | 2017-04-20 | 2017-09-15 | 华南理工大学 | 一种基于深度卷积神经网络的汽车驾驶场景目标检测方法 |
CN107657224A (zh) * | 2017-09-19 | 2018-02-02 | 武汉大学 | 一种基于部件的多层并行网络sar图像飞机目标检测方法 |
CN107886117A (zh) * | 2017-10-30 | 2018-04-06 | 国家新闻出版广电总局广播科学研究院 | 基于多特征提取和多任务融合的目标检测算法 |
-
2018
- 2018-04-25 CN CN201810380509.1A patent/CN108596101B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169421A (zh) * | 2017-04-20 | 2017-09-15 | 华南理工大学 | 一种基于深度卷积神经网络的汽车驾驶场景目标检测方法 |
CN107657224A (zh) * | 2017-09-19 | 2018-02-02 | 武汉大学 | 一种基于部件的多层并行网络sar图像飞机目标检测方法 |
CN107886117A (zh) * | 2017-10-30 | 2018-04-06 | 国家新闻出版广电总局广播科学研究院 | 基于多特征提取和多任务融合的目标检测算法 |
Non-Patent Citations (1)
Title |
---|
ZHONGXING HAN, HUI ZHANG, JINFANG ZHANG, XIAOHUI HU: "FAST AIRCRAFT DETECTION BASED ON REGION LOCATING NETWORK IN LARGE-SCALE REMOTE SENSING IMAGES", 《IEEE》 * |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109726739A (zh) * | 2018-12-04 | 2019-05-07 | 深圳大学 | 一种目标检测方法和*** |
CN109800637A (zh) * | 2018-12-14 | 2019-05-24 | 中国科学院深圳先进技术研究院 | 一种遥感影像小目标检测方法 |
CN109800755A (zh) * | 2018-12-14 | 2019-05-24 | 中国科学院深圳先进技术研究院 | 一种基于多尺度特征的遥感影像小目标检测方法 |
CN109685780B (zh) * | 2018-12-17 | 2021-05-11 | 河海大学 | 一种基于卷积神经网络的零售商品识别方法 |
CN109685780A (zh) * | 2018-12-17 | 2019-04-26 | 河海大学 | 一种基于卷积神经网络的零售商品识别方法 |
CN111368600A (zh) * | 2018-12-26 | 2020-07-03 | 北京眼神智能科技有限公司 | 遥感图像目标检测识别方法、装置、可读存储介质及设备 |
CN111368600B (zh) * | 2018-12-26 | 2023-10-31 | 北京眼神智能科技有限公司 | 遥感图像目标检测识别方法、装置、可读存储介质及设备 |
CN109726769A (zh) * | 2019-01-24 | 2019-05-07 | 电子科技大学 | 一种基于卷积核权重参数的目标分类和角度估计方法 |
CN109815914A (zh) * | 2019-01-28 | 2019-05-28 | 成都蝉远科技有限公司 | 一种基于植被区域识别的卷积神经网络模型训练方法及*** |
CN109977997A (zh) * | 2019-02-13 | 2019-07-05 | 中国科学院自动化研究所 | 基于卷积神经网络快速鲁棒的图像目标检测与分割方法 |
CN110084093A (zh) * | 2019-02-20 | 2019-08-02 | 北京航空航天大学 | 基于深度学习的遥感图像中目标检测与识别的方法及装置 |
CN110084093B (zh) * | 2019-02-20 | 2020-07-17 | 北京航空航天大学 | 基于深度学习的遥感图像中目标检测与识别的方法及装置 |
CN109959911A (zh) * | 2019-03-25 | 2019-07-02 | 清华大学 | 基于激光雷达的多目标自主定位方法及装置 |
CN110197147B (zh) * | 2019-05-23 | 2022-12-02 | 星际空间(天津)科技发展有限公司 | 遥感影像的建筑物实例提取方法、装置、存储介质及设备 |
CN110197147A (zh) * | 2019-05-23 | 2019-09-03 | 星际空间(天津)科技发展有限公司 | 遥感影像的建筑物实例提取方法、装置、存储介质及设备 |
CN110378242A (zh) * | 2019-06-26 | 2019-10-25 | 南京信息工程大学 | 一种双重注意力机制的遥感目标检测方法 |
CN110414377A (zh) * | 2019-07-09 | 2019-11-05 | 武汉科技大学 | 一种基于尺度注意力网络的遥感图像场景分类方法 |
CN110400305A (zh) * | 2019-07-26 | 2019-11-01 | 哈尔滨理工大学 | 一种基于深度学习的目标检测方法 |
CN111160410B (zh) * | 2019-12-11 | 2023-08-08 | 北京京东乾石科技有限公司 | 一种物体检测方法和装置 |
CN111160410A (zh) * | 2019-12-11 | 2020-05-15 | 北京京东乾石科技有限公司 | 一种物体检测方法和装置 |
CN111091095A (zh) * | 2019-12-19 | 2020-05-01 | 华中科技大学 | 一种遥感图像中船只目标的检测方法 |
CN111091095B (zh) * | 2019-12-19 | 2022-03-29 | 华中科技大学 | 一种遥感图像中船只目标的检测方法 |
CN111192240A (zh) * | 2019-12-23 | 2020-05-22 | 北京航空航天大学 | 一种基于随机接入记忆的遥感图像目标检测方法 |
CN111192240B (zh) * | 2019-12-23 | 2023-09-01 | 北京航空航天大学 | 一种基于随机接入记忆的遥感图像目标检测方法 |
CN110992642A (zh) * | 2019-12-25 | 2020-04-10 | 辽宁石油化工大学 | 一种基于深度学习的火灾检测方法 |
CN110992642B (zh) * | 2019-12-25 | 2021-11-05 | 辽宁石油化工大学 | 一种基于深度学习的火灾检测方法 |
CN111401383A (zh) * | 2020-03-06 | 2020-07-10 | 中国科学院重庆绿色智能技术研究院 | 基于图像检测的目标框预估方法、***、设备及介质 |
CN111401383B (zh) * | 2020-03-06 | 2023-02-10 | 中国科学院重庆绿色智能技术研究院 | 基于图像检测的目标框预估方法、***、设备及介质 |
CN111709307B (zh) * | 2020-05-22 | 2022-08-30 | 哈尔滨工业大学 | 一种基于分辨率增强的遥感图像小目标检测方法 |
CN111709307A (zh) * | 2020-05-22 | 2020-09-25 | 哈尔滨工业大学 | 一种基于分辨率增强的遥感图像小目标检测方法 |
CN111709991A (zh) * | 2020-05-28 | 2020-09-25 | 武汉工程大学 | 一种铁路工机具的检测方法、***、装置和存储介质 |
CN111709991B (zh) * | 2020-05-28 | 2023-11-07 | 武汉工程大学 | 一种铁路工机具的检测方法、***、装置和存储介质 |
CN112180338A (zh) * | 2020-06-10 | 2021-01-05 | 四川九洲电器集团有限责任公司 | 全息数字阵列雷达目标数量估计方法和*** |
CN113935928A (zh) * | 2020-07-13 | 2022-01-14 | 四川大学 | 基于Raw格式岩心图像超分辨率重建 |
CN113935928B (zh) * | 2020-07-13 | 2023-04-11 | 四川大学 | 基于Raw格式岩心图像超分辨率重建 |
CN111798530A (zh) * | 2020-07-15 | 2020-10-20 | 南京信息工程大学 | 一种遥感图像分类方法 |
CN112017178A (zh) * | 2020-09-08 | 2020-12-01 | 重庆市地理信息和遥感应用中心 | 一种基于双时相差值图像法的遥感图像区域变化检测方法 |
CN112800982A (zh) * | 2021-02-01 | 2021-05-14 | 苏州喆鑫信息科技有限公司 | 一种基于遥感场景分类的目标检测方法 |
CN112884753A (zh) * | 2021-03-10 | 2021-06-01 | 杭州申昊科技股份有限公司 | 一种基于卷积神经网络的轨道扣件检测及分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108596101B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596101A (zh) | 一种基于卷积神经网络的遥感图像多目标检测方法 | |
CN111310862B (zh) | 复杂环境下基于图像增强的深度神经网络车牌定位方法 | |
CN112308019B (zh) | 基于网络剪枝和知识蒸馏的sar舰船目标检测方法 | |
CN108710875B (zh) | 一种基于深度学习的航拍公路车辆计数方法及装置 | |
CN108710863A (zh) | 基于深度学习的无人机航拍场景语义分割方法及*** | |
CN109584248A (zh) | 基于特征融合和稠密连接网络的红外面目标实例分割方法 | |
CN108549893A (zh) | 一种任意形状的场景文本端到端识别方法 | |
CN108052940A (zh) | 基于深度学习的sar遥感图像水面目标检测方法 | |
CN109614985A (zh) | 一种基于密集连接特征金字塔网络的目标检测方法 | |
CN107918776B (zh) | 一种基于机器视觉的用地规划方法、***及电子设备 | |
CN108416307A (zh) | 一种航拍图像路面裂缝检测方法、装置及设备 | |
CN107066995A (zh) | 一种基于卷积神经网络的遥感图像桥梁检测方法 | |
CN109409263A (zh) | 一种基于Siamese卷积网络的遥感影像城市地物变化检测方法 | |
CN110009010A (zh) | 基于兴趣区域重检测的宽幅光学遥感目标检测方法 | |
CN110276269A (zh) | 一种基于注意力机制的遥感图像目标检测方法 | |
CN107016357A (zh) | 一种基于时间域卷积神经网络的视频行人检测方法 | |
CN108460382A (zh) | 基于深度学习单步检测器的光学遥感图像舰船检测方法 | |
CN106127204A (zh) | 一种全卷积神经网络的多方向水表读数区域检测算法 | |
CN110163836A (zh) | 基于深度学习用于高空巡检下的挖掘机检测方法 | |
CN113160062B (zh) | 一种红外图像目标检测方法、装置、设备及存储介质 | |
CN113255589B (zh) | 一种基于多卷积融合网络的目标检测方法及*** | |
CN107967474A (zh) | 一种基于卷积神经网络的海面目标显著性检测方法 | |
CN109657602A (zh) | 基于街景数据和迁移学习的自动城市功能分区方法及*** | |
CN109241902A (zh) | 一种基于多尺度特征融合的山体滑坡检测方法 | |
CN110414509B (zh) | 基于海陆分割和特征金字塔网络的港口停靠舰船检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221010 Address after: No. 803, Unit 2, Building 3, Nanlihan Lanting, Jingshu District, Beijing 100083 Patentee after: Xu Ningyi Patentee after: He Guanghui Address before: 200240 No. 800, Dongchuan Road, Shanghai, Minhang District Patentee before: SHANGHAI JIAO TONG University Effective date of registration: 20221010 Address after: Room 00036, 1st Floor, Building F5, Phase II, Innovation Industrial Park, No. 2800, Innovation Avenue, High tech Zone, Hefei, Anhui, 230088 Patentee after: Hefei Huixi Intelligent Technology Co.,Ltd. Address before: No. 803, Unit 2, Building 3, Nanlihan Lanting, Jingshu District, Beijing 100083 Patentee before: Xu Ningyi Patentee before: He Guanghui |
|
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231206 Address after: Room 202, No. 6, Lane 388, Urban Road, Minhang District, Shanghai, 201109 Patentee after: He Guanghui Patentee after: Xu Ningyi Address before: Room 00036, 1st Floor, Building F5, Phase II, Innovation Industrial Park, No. 2800, Innovation Avenue, High tech Zone, Hefei, Anhui, 230088 Patentee before: Hefei Huixi Intelligent Technology Co.,Ltd. |