-
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)
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)
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)
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)
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。
-
公开(公告)号：CN118154603B
公开(公告)日：2024-07-23
申请号：CN202410578270.4
申请日：2024-05-11
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理技术领域，提供了一种基于级联多层特征融合网络的显示屏缺陷检测方法及系统，液晶显示屏缺陷检测模型包括用于提取图像特征的残差特征提取网络，用于融合图像中浅层细粒度信息和深层语义信息的级联多层特征融合网络，以及用于确定缺陷类别、位置和置信度信息的目标识别网络；设计的残差特征提取模块，利用深度卷积模块和逐点卷积模块有效捕捉图像中的细粒度特征的同时降低模型参数量，提高模型检测速度；在特征提取网络设计特征增强模块，同时考虑液晶显示屏缺陷的细节特征和整体结构，能够提取更重要、更明显的缺陷特征，提高了模型对不同类型缺陷检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117764988B
公开(公告)日：2024-04-30
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：CN117765363A
公开(公告)日：2024-03-26
申请号：CN202410194599.0
申请日：2024-02-22
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及数字图像处理异常检测技术领域，提供了一种基于轻量型记忆库的图像异常检测方法及系统。该方法包括，获取待检测的产品图像，并进行预处理和分割，得到若干图像块；基于每个图像块，采用特征提取网络提取特征，得到融合特征图；计算每个图像块的异常分数；从待测产品图像的每个图像块的异常分数中选择最大异常分数；基于最大异常分数所对应的图像块的融合特征图，计算该图像块的融合特征图与记忆库中存储的所有特征图的距离，选择最小距离；基于最小距离，对最大异常分数进行加权，得到最终异常分数；判断整个图像的异常分数是否大于设定的阈值，若是，则待测产品图像异常，否则，待测产品图像正常。
-
公开(公告)号：CN117710757A
公开(公告)日：2024-03-15
申请号：CN202410159978.6
申请日：2024-02-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种基于多尺度特征引导与融合的工业异常检测方法及系统，涉及计算机视觉中的工业图像异常检测技术领域。该方法包括步骤：获取工业产品表面缺陷图像并进行预处理，得到训练集和测试集；建立由模拟异常网络、多尺度特征提取网络、多尺度特征加权融合网络和像素级异常评分网络依次连接的初步异常检测模型；利用训练集对初步异常检测模型进行训练，并利用测试集对训练好的异常检测模型进行效果验证；利用训练好的异常检测模型对待检测的工业图像进行异常检测。本发明能够提高对工业图像异常的敏感性和准确性，实现对产品表面缺陷更为可靠的检测识别和定位。
-
公开(公告)号：CN117669593A
公开(公告)日：2024-03-08
申请号：CN202410128850.3
申请日：2024-01-31
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F40/30 , G06F40/295
Abstract: 本发明公开的基于等价语义的零样本关系抽取方法、系统、设备及介质，涉及零样本关系抽取技术领域，包括：获取待识别样本；提取待识别样本中句子实例的语义特征向量及关系描述的语义特征向量；对句子实例的语义特征向量和关系描述的语义特征向量，均进行正交变换，对应获得句子语义等价向量和关系语义等价向量；计算句子实例的语义特征向量和关系描述的语义特征向量的匹配分数，及句子语义等价向量和关系语义等价向量的匹配分数；将两种匹配分数加权求和，获得句子实例和关系描述的预测分数；根据句子实例和关系描述的预测分数，确定句子实例和关系描述的预测关系。提高了零样本关系抽取的准确性。
-
公开(公告)号：CN117132584B
公开(公告)日：2024-02-13
申请号：CN202311227287.7
申请日：2023-09-22
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于深度学习的液晶显示屏瑕疵检测方法及装置，涉及计算机视觉目标检测技术领域，通过设计轻量化特征提取网络，在保证液晶显示屏瑕疵特征提取能力的基础上减少计算量，提高模型的检测速度；设计跨层多尺度特征融合网络，高效的融合特征提取网络的浅层细粒度信息和深层语义信息；设计精细化预测网络，包括特征聚合器和特征提纯模块，特征聚合器融合了多层次的特征，提取更多上下文信息，增强细粒度特征的提取；特征提纯模块抑制了不同尺度特征图的冲突信息，减少语义差异，提高了模型对液晶显示屏瑕疵检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.064 seconds)
