公开(公告)号：CN119359548A

公开(公告)日：2025-01-24

申请号：CN202411942172.0

申请日：2024-12-27

Applicant: 齐鲁工业大学(山东省科学院) ,  山东省计算中心(国家超级计算济南中心)

Inventor： 万金 ,  周鸣乐 ,  李刚 ,  李敏 ,  韩德隆 ,  李佳宸 ,  刘文龙

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V30/19 ,  G06V30/18 ,  G06V30/148 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明属于计算机图像处理技术领域，公开了一种基于语义感知交互的场景文本图像超分辨率方法及系统，包括采集图像；对图像进行分割操作，获得文本区域，对其进行特征提取，获得文本区域特征，对文本区域进行映射操作，对映射后的文本区域进行筛选，对筛选后的文本区域进行操作，获得文本概率序列，基于文本概率序列获得文本概率特征；提取图像特征，对图像特征和文本区域特征进行信息交换，将信息交换后的两个特征相加，得到交互融合后的特征，基于交互融合后的特征和文本概率特征获得超分辨率图像；定义损失函数，优化模型参数。本有效解决了在高噪声条件下文本定位和处理不精准的问题，能够更好的适应不断变化的分辨率图像。

公开(公告)号：CN119106100A

公开(公告)日：2024-12-10

申请号：CN202411174716.3

申请日：2024-08-26

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 韩德隆 ,  李敏 ,  李刚 ,  周鸣乐 ,  万金 ,  李佳宸 ,  刘泽钰

IPC: G06F16/33 ,  G06F18/2411 ,  G06F18/25 ,  G06F40/30 ,  G06F16/35

Abstract: 本发明属于情感分析技术领域，尤其涉及一种基于特征交互与关联融合的情感分析方法及系统，方法包括：将获取的文本数据输入至BERT模型中，得到多层表示向量；将所有的中间层表示向量输入多层特征交互模块中，得到第一关联特征融合向量；将第一关联特征融合向量与最终层表示向量输入至动态关联融合模块中，得到分类文本特征向量；基于动态掩码的自适应丢弃方法对分类文本特征向量进行特征丢弃，之后经过全连接层和激活函数层得到待识别文本的情感类别。本发明将多层表示向量进行特征融合，能够充分利用模型输出的不同层次的语义表示，从而获得更加丰富和全面的特征信息，有助于提高模型对文本语义的理解能力和情感分析的准确性。

公开(公告)号：CN118941556A

公开(公告)日：2024-11-12

申请号：CN202411388842.9

申请日：2024-10-08

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 万金 ,  周鸣乐 ,  韩德隆 ,  李佳宸 ,  李敏 ,  苏占智

IPC: G06T7/00 ,  G06T5/20 ,  G06T5/70 ,  G06V10/44 ,  G06V10/77 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/084

Abstract: 本发明提出了一种基于SAM先验指导的工业缺陷检测方法及系统，涉及工业计算机视觉领域，将待检测的工业表面缺陷图像输入到训练好的检测模型中，依次经过特征提取、特征聚合和缺陷检测，得到检测结果，包括缺陷类别和缺陷位置；所述检测模型的特征提取，首先分别基于SAM大模型和基于卷积操作提取先验特征和局部全局特征，然后将先验特征嵌入到局部全局特征中，得到多层级工业特征，基于多层级工业特征，生成SAM先验指导的检测结果；本发明通过SAM视觉大模型的先验指导，开发更加智能和自适应的缺陷检测模型，使其能够理解并利用先验知识，同时具备自我学习和自我优化的能力，以更好地适应不断变化的数据分布和工业需求。

公开(公告)号：CN118570212B

公开(公告)日：2024-10-18

申请号：CN202411059782.6

申请日：2024-08-05

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 周鸣乐 ,  李刚 ,  韩德隆 ,  李敏 ,  万金 ,  李佳宸 ,  赵世龙

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/44 ,  G06V10/42 ,  G06V10/52 ,  G06V10/82 ,  G06V20/70 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于强化特征提取网络的显示屏缺陷检测方法及系统，属于工业表面缺陷检测技术领域，包括将获取的液晶显示屏图像输入至训练好的表面缺陷检测模型，表面缺陷检测模型中液晶显示屏图像首先经过深层强化特征提取网络提取液晶显示屏图像的不同尺度特征，并将不同尺度的强化特征输入至跨层交互连接网络有效结合浅层特征和深层特征，输出不同尺度的交互特征，将不同尺度的交互特征输入至语义感知识别网络捕捉远距离特征，增强对缺陷特征的多尺度表示，最终输出缺陷检测结果。通过设计深层强化特征提取网络、跨层交互连接网络和语义感知识别网络构建液晶显示屏表面缺陷检测模型，实现多类别缺陷检测的精准识别和定位。

公开(公告)号：CN118568650A

公开(公告)日：2024-08-30

申请号：CN202411059783.0

申请日：2024-08-05

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 韩德隆 ,  周鸣乐 ,  李刚 ,  李敏 ,  万金 ,  李佳宸 ,  许络

IPC: G06F18/2433 ,  G06F18/25 ,  G06V10/764 ,  G06V10/26 ,  G06V20/70 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06F40/30 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048

Abstract: 本发明属于计算机视觉和图像识别技术领域，提供了一种基于细粒度文本提示特征工程的工业异常检测方法及系统，包括提取工业图像的文本特征、图像块特征和图像特征；利用图像特征对文本提示进行优化更新，得到细粒度文本提示特征；将图像块特征与细粒度文本提示特征进行相似性对比分析，将对比生成的异常结果图进行相加融合得到最终的异常检测结果；优化模型的参数，使损失函数最小，利用训练好的模型进行测试集的异常检测。本发明针对少样本工业图像异常检测，通过特征提取模块、细粒度文本提示工程模块和跨模态空间域多粒度交互模块搭建异常检测模型框架，提高了模型的泛化能力。