-
公开(公告)号：CN117575906A
公开(公告)日：2024-02-20
申请号：CN202311528959.8
申请日：2023-11-14
Applicant: 国网新疆电力有限公司信息通信公司 , 新疆大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种图像超分辨率重建方法、装置、计算机设备及存储介质，包括：将原始图像输入到训练好的超分辨率重建模型，其中，训练好的超分辨率重建模型为深度分层多尺度注意力网络，包括浅层特征提取模块，深度分层残差结构，上采样模块和重建模块；采用浅层特征提取模块对原始图像进行特征提取，得到浅层特征；通过深度分层残差结构对浅层特征进行特征提取和融合，得到深层特征；使用上采样模块对深层特征进行上采样，得到上采样特征；基于重建模块对上采样特征进行重建，得到重建的高分辨率图像，实现通过自适应特征融合的方式进行高分辨率重建，提高了图像重建的效果。
-
公开(公告)号：CN117746015A
公开(公告)日：2024-03-22
申请号：CN202311677382.7
申请日：2023-12-05
Applicant: 国网新疆电力有限公司信息通信公司 , 新疆大学
IPC: G06V10/25 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种小目标检测模型训练方法、小目标检测方法及相关设备，包括：通过获取第一数据集，其中，第一数据集由若干包含小目标的图像组成；对第一数据集进行数据标注和预处理，得到第二数据集；将第二数据集划分为训练集和测试集，并对训练集中的样本进行聚类处理，得到训练集的锚框样本；将训练集图像和锚框样本输入到改进的小目标检测网络中，对改进的小目标检测模型进行训练，并采用测试集进行验证，得到目标检测模型。采用锚框样本作为模型的先验知识，用于检测和定位图像中的小目标，有利于提高小目标检测的效率和准确率。
-
公开(公告)号：CN117576454A
公开(公告)日：2024-02-20
申请号：CN202311522154.2
申请日：2023-11-13
Applicant: 国网新疆电力有限公司信息通信公司 , 新疆大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/00
Abstract: 本发明公开了一种基于人工智能的绝缘子缺陷检测方法、装置、设备及介质，包括：通过获取绝缘子图像；对绝缘子图像进行数据预处理，得到样本数据；采用样本数据对初始目标检测模型进行训练，得到训练好的目标检测模型，其中，初始目标检测模型为改进的YOLOv7模型，改进的YOLOv7模型包括依次连接的特征提取器、特征融合层和预测层；将训练好的目标检测模型部署到电力设备缺陷检测装置中，以使在后续接收到待检测图像时，采用训练好的目标检测模型对待检测图像进行缺陷检测。使模型能够更好地注意到绝缘子缺陷目标，减少了目标漏检，从而提高绝缘子缺陷目标检测的精确率。
-
公开(公告)号：CN117876223A
公开(公告)日：2024-04-12
申请号：CN202410055339.5
申请日：2024-01-15
Applicant: 国网新疆电力有限公司信息通信公司 , 新疆大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/42 , G06V10/44 , G06V10/52 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于多维度自注意力关注的连续倍率图像超分与重建算法，属于超分辨率重建技术领域。在网络结构中，参考大量的基于注意力机制的网络框架，从基本块，注意力机制和上采样模块三个方面对模型进行了改进；设计全新的多维度自注意力模块，并将它与通道聚合块构建成新的混合级联变压器组作为本发明所设计的网络结构的基本模块；非局部注意力块被设计为放在网络中间结构上，从网络内部对关键特征进行更准确的识别和增强；对于上采样模块，设计能实现连续倍率超分辨率的结构，利用数学方法对深层网络获得到的特征进行学习并输出。另外，引入双三次插值方法，可以有效传递大量的信息，从而引导网络的注意力到细致的细节还原上，以获得最终特征。
-
公开(公告)号：CN119311905A
公开(公告)日：2025-01-14
申请号：CN202411423369.3
申请日：2024-10-12
Applicant: 国网新疆电力有限公司信息通信公司
IPC: G06F16/53 , G06V10/20 , G06V10/40 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于空间交叉移位与傅里叶频域学习的哈希检索方法，主要涉及深度哈希图像检索领域；包括步骤：S1、将图像数据集及图像数据集对应的类别标签信息分别对应分成：训练集、查询集和数据库；S2、对图像信息进行预处理；S3、构建基于空间交叉移位与傅里叶频域学习的Transformer深度哈希检索架构；S4、以批次轮流开始训练图像；S5、随机输入一张查询集，并通过网络产生查询哈希码，与数据库哈希码计算汉明空间距离，将距离从小到大进行排序，根据前几个返回的哈希码结果找到对应的图像组；本发明能够获取深度特征的高级语义表达，能够促进不同域之间的交互学习，以提高语义信息准确性，能够提高模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN118714239A
公开(公告)日：2024-09-27
申请号：CN202410858354.3
申请日：2024-06-28
Applicant: 国网新疆电力有限公司信息通信公司
Abstract: 本发明涉及一种视频处理技术领域，是一种基于生成对抗网络的视频降噪压缩方法、装置、存储介质及电子设备，包括获取待待处理图像集合；利用图像降噪模型对待处理图像集合进行降噪，并对降噪后的待处理图像集合进行压缩；对压缩后的待处理图像集合进行特征提取，并在重组后通过视频转换，得到对用的视频数据。本发明先将待处理视频数据转换成待处理图像集合，再通过生成对抗网络和风格迁移技术对待处理图像集合逐帧降噪压缩和语义分析对比，并保留阈值范围内出现一定变化的图像，将图像重组形成视频，实现视频的智能降噪压缩，使得能够存储更多的历史视频数据，为基于视频数据的信息挖掘分析工作提供稳定且丰富的数据基础。
-
公开(公告)号：CN118611967A
公开(公告)日：2024-09-06
申请号：CN202410856257.0
申请日：2024-06-28
Applicant: 国网新疆电力有限公司信息通信公司
IPC: H04L9/40
Abstract: 本发明涉及一种认证管理技术领域，是一种统一权限管理系统、平台及相关方法，前者包括内网权限管理部分，提供内网权限管理，其中权限管理包括统一认证服务、身份权限管理服务和审计服务；信息安全网络隔离装置，对内网权限管理部分和外网权限管理部分进行隔离；外网权限管理部分，提供外网权限管理。本发明将若干业务系统的身份认证和权限管理进行统一化、集成化，减少重复的账号和密码管理，降低身份权限管理的复杂性和成本，减少权限管理的工作量，并且统一权限管理即可以确保用户拥有所需的权限，又避免了频繁申请权限的过程，提高了工作效率，进一步的统一权限管理可以确保用户只能访问其所需的资源和权限，防止未经授权的访问和数据泄露。
-
公开(公告)号：CN116087686A
公开(公告)日：2023-05-09
申请号：CN202310097401.2
申请日：2023-01-18
Applicant: 国网新疆电力有限公司信息通信公司
IPC: G01R31/08 , G01R1/02 , G01R1/04 , G01S19/14 , G01V8/10 , G01B11/02 , G01B17/00 , G01S17/08 , G01W1/02
Abstract: 本发明公开了一种基于人工智能的电网故障识别系统，包括：移动模块，所述移动模块用于在电网区域内移动；定位模块，所述定位模块用于实时定位移动模块的实时位置；本发明的有益效果是，设有移动模块、定位模块、地图导航模块、驱动模块、测距模块、摄像模块、识别模块、气象检测模块、传输模块、分析模块以及维护模块，移动模块移动，摄像模块实时拍摄照片，识别模块识别摄像模块拍摄照片内的内容，并与预设定的故障状态进行比较，进行故障识别，当故障时，维护模块立即对故障位置进行维护，无需操作人员亲自前往故障地点进行维护，提高电网维护效率。
-
公开(公告)号：CN118277657A
公开(公告)日：2024-07-02
申请号：CN202410216623.6
申请日：2024-02-27
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 国网新疆电力有限公司信息通信公司
IPC: G06F16/9535 , G06F18/24 , G06F18/213 , G06F18/23 , G06F40/284 , G06F40/289 , G06N3/0464 , G06N3/044 , G06N3/0442 , G06N3/048 , G06N3/08 , G06V10/764
Abstract: 本发明涉及一种基于人工智能的融媒体内容智能处理与推荐方法，具体步骤包括：从互联网上采集不同种类的媒体内容，包括新闻文章、图片和视频；并对采集的媒体内容进行分类预处理；搭建特征提取网络，包括若干个基于不同神经网络模型的各类型媒体内容特征提取网络；对于新闻文章的文本类型数据，利用卷积神经网络或循环神经网络进行特征提取；对于图像类型数据，利用卷积神经网络进行特征提取；对于视频类型数据，利用三维卷积神经网络或循环神经网络进行特征提取；根据不同种类的媒体内容所提取的特征计算不同媒体内容之间的相似度；预设相似度阈值，对不同媒体内容间相似度大于阈值的媒体内容通过聚类算法进行聚类。
-
公开(公告)号：CN117011265A
公开(公告)日：2023-11-07
申请号：CN202310972566.X
申请日：2023-08-03
Applicant: 国网新疆电力有限公司信息通信公司 , 国家电网有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明涉及电力设备技术领域，是一种基于融合ViT卷积神经网络的电力设备异常类型自检测方法，其包括：进行图像数据的采集；利用ProGAN进行数据清晰化处理；在ProGAN生成的高清数据集基础上，进行显著化数据处理，显著性加强区域特征，提高设备关键部位像素；联合VGG16和ViT两种卷积神经网络，构建融合电力设备图像显著性特征的深度学习模型；针对各类缺陷样本数量与模型训练指标的关系进行数据建模，通过不断自优化模型实现样本数量自定义以及动态调整，实现训练样本集的迭代更新以及扩充。本发明提高了识别精度，减少了巡检的时间，有效解决了分类速度慢的问题；还实现了动态更新数据集，缩短了训练过程中样本清洗的时间，提高了工作效率。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.044 seconds)
