-
公开(公告)号：CN118797525A
公开(公告)日：2024-10-18
申请号：CN202411130379.8
申请日：2024-08-16
Applicant: 创意信息技术股份有限公司
IPC: G06F18/2433 , G06F18/23213 , G06F18/22
Abstract: 本发明提供了一种智能电厂设备异常的深度状态监测方法及系统，属于电厂设备监测技术领域。方法获取电厂设备的传感器数据进行K‑means聚类分析，得到多组具有相似特征的变量集群；然后对集群中的第一变量进行线性判别分析，根据分析结果建立异常检测的线性决策边界，并基于线性决策边界从多组变量集群中提取出影响设备异常的紧凑数据组。然后设定马氏深度统计量和下限控制限对电厂设备进行在线监测，获取电厂设备的实时运行状态，将电厂设备的马氏深度统计量分解为多个第二变量，并分别计算出每个第二变量的贡献分数，依据多个第二变量的贡献分数确定导致电厂设备异常的关键变量。本发明实现了对发电厂运行状态的精确诊断和评估。
-
公开(公告)号：CN118747966B
公开(公告)日：2024-11-05
申请号：CN202411232673.X
申请日：2024-09-04
Applicant: 创意信息技术股份有限公司
Abstract: 本发明公开了一种智慧交通大数据处理方法、装置、设备及存储介质，通过获取道路维护信息中的道路维护位置和道路维护类型，在目标区域的数字地图中生成道路维护影响区域，然后基于违章拍摄设备的作用范围区域进行限制，获得违章判定调整区域，在接收到具有违章判定结果的违章拍摄图片时，基于违章位置与违章判定调整区域以及违章类型与不同车辆行驶影响等级的子区域的违规行驶动作容忍情况，对违章判定结果进行调整，考虑道路场景具有的不同路况以及面临的不同道路维护状况，实现差异化违章判定，以此，提供一种智慧交通大数据处理方法，以更科学、更合理的方式对面临道路维护施工时不同道路不同位置的车辆违章进行判定，减少违章判定争议。
-
公开(公告)号：CN118887631B
公开(公告)日：2024-12-17
申请号：CN202411332762.1
申请日：2024-09-24
Applicant: 创意信息技术股份有限公司
IPC: H04N23/85 , G06V20/54 , G06V10/56 , G06V10/774 , G06V10/75
Abstract: 本发明涉及图像处理技术领域，公开了一种基于人工智能的图像处理方法、装置、设备及存储介质，通过获取目标区域中每个交通摄像头的交通监控图像，利用区域环境信息进行第一颜色转换，获得第一优化监控图像，再基于每个监控周期的初始匹配时段中每个车辆通行动作对应的车辆通行图像，构建图像分配参考数据集，以此实现对第一优化监控图像关于图像处理终端的任务分配和第二颜色转换，获得最终的第二优化监控图像。由此，考虑环境因素导致的色彩定向失真和部分传感器故障导致的色彩非定向失真，提高交通监控图像色彩恢复效率与准确性，并基于交通监控图像进行色彩恢复任务时细化到车辆通行图像的处理数量，实现色彩恢复任务的合理分配与高效处理。
-
公开(公告)号：CN118887631A
公开(公告)日：2024-11-01
申请号：CN202411332762.1
申请日：2024-09-24
Applicant: 创意信息技术股份有限公司
IPC: G06V20/54 , H04N23/85 , G06V10/56 , G06V10/774 , G06V10/75
Abstract: 本发明涉及图像处理技术领域，公开了一种基于人工智能的图像处理方法、装置、设备及存储介质，通过获取目标区域中每个交通摄像头的交通监控图像，利用区域环境信息进行第一颜色转换，获得第一优化监控图像，再基于每个监控周期的初始匹配时段中每个车辆通行动作对应的车辆通行图像，构建图像分配参考数据集，以此实现对第一优化监控图像关于图像处理终端的任务分配和第二颜色转换，获得最终的第二优化监控图像。由此，考虑环境因素导致的色彩定向失真和部分传感器故障导致的色彩非定向失真，提高交通监控图像色彩恢复效率与准确性，并基于交通监控图像进行色彩恢复任务时细化到车辆通行图像的处理数量，实现色彩恢复任务的合理分配与高效处理。
-
Patent Agency Ranking
公开(公告)号：CN118747966A
公开(公告)日：2024-10-08
申请号：CN202411232673.X
申请日：2024-09-04
Applicant: 创意信息技术股份有限公司
Abstract: 本发明公开了一种智慧交通大数据处理方法、装置、设备及存储介质，通过获取道路维护信息中的道路维护位置和道路维护类型，在目标区域的数字地图中生成道路维护影响区域，然后基于违章拍摄设备的作用范围区域进行限制，获得违章判定调整区域，在接收到具有违章判定结果的违章拍摄图片时，基于违章位置与违章判定调整区域以及违章类型与不同车辆行驶影响等级的子区域的违规行驶动作容忍情况，对违章判定结果进行调整，考虑道路场景具有的不同路况以及面临的不同道路维护状况，实现差异化违章判定，以此，提供一种智慧交通大数据处理方法，以更科学、更合理的方式对面临道路维护施工时不同道路不同位置的车辆违章进行判定，减少违章判定争议。
-
公开(公告)号：CN118196399A
公开(公告)日：2024-06-14
申请号：CN202410605384.3
申请日：2024-05-16
Applicant: 创意信息技术股份有限公司
IPC: G06V10/25 , G06V10/774 , G06V10/778 , G06V10/82
Abstract: 本发明公开了一种基于主动学习的目标检测模型优化方法及装置，该方法首先使用已有目标检测模型对未标记图像数据进行检测，并选择置信度最小的前k个样本作为候选样本，接着通过其他预训练模型提取图像嵌入，计算其在候选样本中的独特性，选择前B个独特性最大的样本，从而丰富候选集的多样性，对选取的前B个样本进行人工标注，并将新标记的样本添加到已标记样本集合中，重新训练模型，直到模型性能不再提升或达到最大迭代次数为止，这一创新性的方法不仅有效降低标注成本，同时提升目标检测模型的性能，为在资源有限的情况下实现更为精确和高效的模型训练提供了一种可行的解决方案。
-
公开(公告)号：CN118196399B
公开(公告)日：2024-07-23
申请号：CN202410605384.3
申请日：2024-05-16
Applicant: 创意信息技术股份有限公司
IPC: G06F30/27
Abstract: 本发明公开了一种基于主动学习的目标检测模型优化方法及装置，该方法首先使用已有目标检测模型对未标记图像数据进行检测，并选择置信度最小的前k个样本作为候选样本，接着通过其他预训练模型提取图像嵌入，计算其在候选样本中的独特性，选择前B个独特性最大的样本，从而丰富候选集的多样性，对选取的前B个样本进行人工标注，并将新标记的样本添加到已标记样本集合中，重新训练模型，直到模型性能不再提升或达到最大迭代次数为止，这一创新性的方法不仅有效降低标注成本，同时提升目标检测模型的性能，为在资源有限的情况下实现更为精确和高效的模型训练提供了一种可行的解决方案。
-
公开(公告)号：CN118093641B
公开(公告)日：2024-06-25
申请号：CN202410523945.5
申请日：2024-04-29
Applicant: 创意信息技术股份有限公司
IPC: G06F16/2452 , G06N7/01 , G06N3/042 , G06N3/0455 , G06N3/082 , G06N5/04
Abstract: 本发明公开了一种基于因果推断的自然语言转SQL查询语句方法及装置，该方法包括获取现有NL2SQL模型和通用数据集；提取执行NL2SQL任务中涉及的关键变量创建节点，生成NL2SQL通用因果图；添加混淆因子节点，使用干预算子和后门调整进行处理，获得改进NL2SQL通用因果图，生成抗混淆模块并添加在现有NL2SQL模型的解码器之前，获得改进NL2SQL模型；执行自然语言转SQL查询语句。本发明通过提出一种基于因果推断的自然语言转SQL查询语句方法，可以适用于现有的NL2SQL解析器，改进后的系统能够更好地理解问题中的因果关系，能够排除历史话语中的歧义，在处理历史话语时具有更好性能和鲁棒性。
-
公开(公告)号：CN118093641A
公开(公告)日：2024-05-28
申请号：CN202410523945.5
申请日：2024-04-29
Applicant: 创意信息技术股份有限公司
IPC: G06F16/2452 , G06N7/01 , G06N3/042 , G06N3/0455 , G06N3/082 , G06N5/04
Abstract: 本发明公开了一种基于因果推断的自然语言转SQL查询语句方法及装置，该方法包括获取现有NL2SQL模型和通用数据集；提取执行NL2SQL任务中涉及的关键变量创建节点，生成NL2SQL通用因果图；添加混淆因子节点，使用干预算子和后门调整进行处理，获得改进NL2SQL通用因果图，生成抗混淆模块并添加在现有NL2SQL模型的解码器之前，获得改进NL2SQL模型；执行自然语言转SQL查询语句。本发明通过提出一种基于因果推断的自然语言转SQL查询语句方法，可以适用于现有的NL2SQL解析器，改进后的系统能够更好地理解问题中的因果关系，能够排除历史话语中的歧义，在处理历史话语时具有更好性能和鲁棒性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.03 seconds)
