-
公开(公告)号:CN119810543A
公开(公告)日:2025-04-11
申请号:CN202411893111.X
申请日:2024-12-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/766 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/096 , G06T7/00
Abstract: 本发明公开了一种基于加权掩码蒸馏的轻量化工业玻璃缺陷检测方法及系统,涉及数字图像处理与目标识别技术领域,获取若干工业玻璃图像并标注缺陷,构建数据集;分别搭建大、小规模目标检测模型异构的骨干特征提取网络,并利用数据集分别进行预训练;以预训练得到的大模型骨干网络为上游教师模型,指导小模型骨干网络进行上游知识蒸馏;分别搭建大、小规模目标检测模型同构的颈部特征融合网络和检测头,再与对应骨干特征提取网络连接,利用数据集分别进行训练;以训练得到的大模型颈部网络为下游教师模型,指导小模型颈部网络进行下游知识蒸馏;构建轻量化小规模目标检测模型,利用该模型实现对待检测工业玻璃图像更高效、更精确的缺陷检测。
-
公开(公告)号:CN118864454B
公开(公告)日:2025-01-21
申请号:CN202411336461.6
申请日:2024-09-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司 , 青岛海尔智能技术研发有限公司
Abstract: 本发明提供了一种基于记忆专家指导的无监督异常检测方法及系统,涉及异常检测技术领域,所述方法包括:获取待检测缺陷图像;将待检测缺陷图像输入训练好的缺陷检测模型中进行检测,获得玻璃容器表面缺陷检测结果;缺陷检测模型包括依次连接的用于提取差异显著特征图的特征蒸馏网络和用于根据差异显著特征图生成缺陷检测结果的异常细化网络;特征蒸馏网络基于正态记忆专家帮助去噪学生网络学习正常样本,正态记忆专家中存储有教师网络根据正态样例特征得到的记忆向量,去噪学生网络根据所述记忆向量,对根据待检测缺陷图像生成的查询特征进行更新。本发明能够提高玻璃容器表面缺陷检测的准确性。
-
公开(公告)号:CN118864453A
公开(公告)日:2024-10-29
申请号:CN202411336457.X
申请日:2024-09-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛海尔智能技术研发有限公司 , 山东山科数字经济研究院有限公司
IPC: G06T7/00 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明提供了基于局部整体上下文感知的钢铁表面瑕疵检测方法及系统,涉及图像处理技术领域,所述方法包括:获取待检测钢铁图像;将钢铁图像输入钢铁表面瑕疵检测模型中进行检测,获得钢铁表面瑕疵检测结果;局部整体感知网络利用不同空洞率的空洞卷积提取不同尺度的局部特征,并在获取全局特征时,将查询向量、键向量和值向量均输入到卷积模块、深度卷积模块和逐点卷积模块中处理;多层级交互网络利用局部整体感知网络不同层的输出,进行跨层特征融合;强化识别网络,融合多层级交互网络的输出特征,对融合后的特征进行增强与检测,得到钢铁表面瑕疵检测结果。本发明能够提高钢铁瑕疵检测的准确率和效率。
-
公开(公告)号:CN117934980A
公开(公告)日:2024-04-26
申请号:CN202410338088.1
申请日:2024-03-25
Applicant: 山东山科数字经济研究院有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明涉及工业检测技术领域,公开一种基于注意力监督调整的玻璃容器缺陷检测方法及系统,所述方法包括以下步骤:(1)获取玻璃容器瓶身、瓶颈、瓶口和瓶底的图像,得到玻璃容器图像数据集B;(2)对玻璃容器图像数据集B进行标注,得到图像数据集中缺陷的真实方框,并划分成训练集、验证集和测试集;(3)搭建玻璃容器缺陷检测模型;(4)将玻璃容器图像输入到训练好的玻璃容器缺陷检测模型中,输出缺陷检测结果。所述系统包括玻璃容器图像采集模块和玻璃容器缺陷检测模块。本发明提高了玻璃容器缺陷检测的准确率,且具有较高的鲁棒性。
-
公开(公告)号:CN117764988A
公开(公告)日:2024-03-26
申请号:CN202410194597.1
申请日:2024-02-22
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司
Abstract: 本发明涉及计算机视觉的应用领域,提供了一种基于异核卷积多感受野网络的道路裂缝检测方法及系统。该方法包括,获取待检测的道路图像;基于待检测的道路图像,采用异核卷积多感受野网络,对道路裂缝进行检测;其中异核卷积多感受野网络包括:异核特征提取网络、加权异核特征融合网络和检测头网络,异核特征提取网络采用多个双分支异核多感受野模块与横纵局部全局特征增强模块级联的方式,提取得到特征图;双分支异核多感受野模块,将输入图像进行分割后,分别输入两路分支依次进行卷积处理和分支特征图融合;加权异核特征融合网络,包括多个双分支异核多感受野模块和多个加权特征拼接模块;检测头网络,根据融合特征图,检测道路缝隙。
-
公开(公告)号:CN113225318B
公开(公告)日:2022-09-20
申请号:CN202110400950.3
申请日:2021-04-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科数字经济研究院有限公司
IPC: H04L9/40 , G06F16/182 , G06F21/60 , H04L9/06 , H04L9/32
Abstract: 本发明公开了一种政务大数据加密传输及安全存储的方法及系统,数据发送端对获取的政务大数据进行摘要提取;确定摘要加密等级;根据加密等级对政务大数据进行加密处理,生成政务大数据密文;数据发送端将政务大数据密文、摘要以及加密等级,发送到存储器进行存储;数据输出端向存储器发送政务大数据获取请求;存储器对数据输出端的加密等级进行确认,若通过,则将政务大数据密文以及摘要发送给数据输出端,并向数据发送端发送数据被调用通知;数据输出端在接收到数据之后,对数据进行解密,并进行摘要提取,将提取的摘要与接收数据中的摘要进行比对,若相同,则将解密后的数据进行输出展示。提高了信息传输和信息存储时的安全性、提高传输效率。
-
公开(公告)号:CN114912772A
公开(公告)日:2022-08-16
申请号:CN202210430077.7
申请日:2022-04-22
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06Q10/06 , G06Q50/26 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/215 , G06F16/2458
Abstract: 本发明公开了一种基于城市经济分类分析的城市权利透明度差异化评价体系匹配方法及系统,包括以下过程:建立基于城市经济的城市权利透明度差异化评价指标体系;收集城市权利透明度以及城市经济的原始数据,原始数据为连续数据;对该数据进行预处理,预处理后的数据为离散数据;使用关联学习算法构建一个关联模型,将预处理后的数据输入模型。挖掘数据之间的强关联规则,将存在关联的特征抽取出来建立数据基础形成标准数据集;使用分类算法构建一个分类模型,对标准数据集中的的特征数据进行分类;按Bi‑LSTM‑Attention网络输出的分类结果给城市定级,并匹配相应的指标体系进行后续城市权利透明度评估工作。根据上述工作构建系统,该系统包括数据收集模块、数据处理模块、关联规则学习模块、分类模块以及匹配模块。本发明对城市经济进行有效分类是后续匹配城市权利透明度差异化指标体系工作的基础,为保证城市权利透明度差异化评价系统的有效实施提供参考和指导,并解决了城市权利透明度领域现存的评价体系单一化、与经济背景不兼容的问题。
-
公开(公告)号:CN114707718A
公开(公告)日:2022-07-05
申请号:CN202210318990.8
申请日:2022-03-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 本发明公开了一种针对转发级联规模的预测方法,该方法提出将GAT(图注意力网络)、动态路由、LSTM(长短期记忆循环神经网络)组合成为一个新的模型用于信息级联规模的预测方法。所述方法包括:数据预处理;图注意力网络提取节点特征;划分级联快照;动态路由聚合节点信息;LSTM提取时间信息;MLP(多层感知器)进行最后预测;模型测试。本发明可应用于流行度预测领域。本发明为该领域提供了新的特征提取方法,解决了该领域预测效率低、多模型结合后信息利用率低等问题,并满足了热点事件快速预测及捕捉的需求。
-
公开(公告)号:CN114239807A
公开(公告)日:2022-03-25
申请号:CN202111548027.0
申请日:2021-12-17
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种针对高维数据进行异常检测的方法,将RFE(递归特征消除)和DAGMM(深度自编码高斯混合模型)相结合,通过降维和重构的方式来检测异常数据。首先对数据预处理;通过RFE方法进行特征选择,然后构建压缩网络,获得重构误差和低维特征表示,将两部分作为估计网络的输入,通过估计网络计算能量值。在测试时,通过设置阈值进行异常检测。本发明提供的高维数据异常检测方法,相比于传统的异常检测方法在处理高纬度数据上提高了检测精确,降低了训练时长和误警率,解决了数据维度高,数据类型复杂的高纬数据在异常检测方面精度低,误报率高,时效差等问题。例如能够很好地应用在网络方面来检测流量异常。
-
公开(公告)号:CN113949644A
公开(公告)日:2022-01-18
申请号:CN202111230819.3
申请日:2021-10-22
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L41/147 , H04L41/142 , H04L41/14 , G06N3/04 , G06N3/08 , H04L43/0876
Abstract: 本发明提供了一种网站访问量预测方法及系统。该方法结合了LSTM模型(长短期记忆神经网络)和prophet模型(可分解时间序列模型)。所述方法包括:数据预处理,建立训练集;创建深度学习网络,采用LSTM模型建立循环神经网络并训练;把训练好的模型保存并在验证集上验证实验结果;保存结果一并计算误差;创建prophet模型,并训练;把训练好的模型保存并在验证集上验证实验结果;保存结果二并计算误差;创建二元一次方程对结果一和结果二进行线性回归得到权重和偏置参数;代入参数进行最终与预测并计算误差。本发明应用于网站平台的用户访问量预测领域,提高了预测准确度,满足了网站的流量风险评估和流量控制的实际需求。
-
-
-
-
-
-
-
-
-