公开(公告)号：CN117807388A

公开(公告)日：2024-04-02

申请号：CN202311643870.6

申请日：2023-12-01

Applicant: 南京邮电大学

Inventor： 孙金龙 ,  张一帆 ,  赵海涛 ,  桂冠 ,  张杰 ,  王祎明

IPC: G06F18/20 ,  G06F18/25

Abstract: 本发明公开了一种面向工业物联网的多维数据半自动化标注方法，首先，构建数据采集网络，从数据采集网络中获取工业数据；然后将获取到的工业数据，基于信号波形宽度，查找波形起点和终点，使用信号波形起始点判决算法，识别多源异构数据，提高工作状态识别的精度；接着，使用基于自适应检测方法的半自动化数据标签处理方法进行工业数据处理，对多维工业数据进行初步筛选，自动标注特征显著的数据，实现机器自动筛选；最后，基于数据处理后输出的数据，对于疑难样本进行人工标注。本发明方法具备多维数据清洗、筛选、标注的功能，能实现半人工半自动化打标签，将无标签样本变为有标签样本，在一定程度上提高了工业数据的计算效率和精度。

公开(公告)号：CN114612675B

公开(公告)日：2025-02-07

申请号：CN202011337545.3

申请日：2020-11-25

Applicant: 南京邮电大学

Inventor： 崔子冠 ,  沈婷婷 ,  王淑菲 ,  张一帆

IPC: G06V10/44 ,  G06V10/46 ,  G06V10/52 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多层非局部网络的视觉显著性检测方法及系统，获取待检测的图像数据集；将待检测的图像数据集输入到预先训练好的显著性检测模型，得到显著性图像集；所述预先训练好的显著性检测模型为以损失函数的最小值为目标进行训练得到的多层非局部网络模型。优点：本方法的多层非局部网络，扩大了模型的感受野。与循环操作的反复性形成对比，利用非局部模块可以直接通过计算任意两个像素之间的相互作用来捕捉长距离依赖关系，而不再受到两个像素的位置距离约束，提高了效率并且得到了更好的结果。在训练模型过程中，采用了由相对熵、标准化扫描路径显著性和结构相似性构成的损失函数，使训练得到的最优模型具有较好的全面性和普适性。

公开(公告)号：CN114612675A

公开(公告)日：2022-06-10

申请号：CN202011337545.3

申请日：2020-11-25

Applicant: 南京邮电大学

Inventor： 崔子冠 ,  沈婷婷 ,  王淑菲 ,  张一帆

IPC: G06V10/44 ,  G06V10/46 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多层非局部网络的视觉显著性检测方法及系统，获取待检测的图像数据集；将待检测的图像数据集输入到预先训练好的显著性检测模型，得到显著性图像集；所述预先训练好的显著性检测模型为以损失函数的最小值为目标进行训练得到的多层非局部网络模型。优点：本方法的多层非局部网络，扩大了模型的感受野。与循环操作的反复性形成对比，利用非局部模块可以直接通过计算任意两个像素之间的相互作用来捕捉长距离依赖关系，而不再受到两个像素的位置距离约束，提高了效率并且得到了更好的结果。在训练模型过程中，采用了由相对熵、标准化扫描路径显著性和结构相似性构成的损失函数，使训练得到的最优模型具有较好的全面性和普适性。