公开(公告)号：CN118038026B

公开(公告)日：2024-08-02

申请号：CN202410430680.4

申请日：2024-04-11

Applicant: 江苏省送变电有限公司 ,  南京邮电大学

Inventor： 吴勇 ,  肖文韬 ,  毛泽勇 ,  戴挈军 ,  李权权 ,  陈镜石 ,  陈功勋 ,  金振强 ,  陈蕾

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/776 ,  G06V10/774 ,  G06V10/766 ,  G06V10/764 ,  G06V10/75 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明提出了一种基于旋转目标检测的变电站二次接线可信质检方法，包括构建基于二次接线真实场景的目标检测数据集，基于YOLOv8m模型构建不确定性感知的旋转目标检测模型，检测头中引入回归不确定性分支和分类不确定性分支，并分别进行高斯分布建模，模型能在输出目标检测结果的同时，伴随输出衡量检测结果的不确定性度量，并将该不确定性度量用于改善NMS的质量；同时还设计了具有拒识功能的成对匹配算法，根据目标检测结果和相应的不确定性度量，对输入图像中的端子和接线帽进行匹配，并对其中不确定性度量超出阈值的接线帽进行拒识。本发明区别于传统的人工质检方式，在提高了质检效率的同时，有效降低了工人的负担。

公开(公告)号：CN118674927B

公开(公告)日：2025-03-25

申请号：CN202410771852.4

申请日：2024-06-15

Applicant: 南京邮电大学

Inventor： 陈蕾 ,  肖文韬 ,  郭威 ,  毛泽勇 ,  张锋 ,  李平

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895 ,  G06V10/774

Abstract: 本发明公开了一种基于证据学习的不确定性感知半监督胰腺分割方法。首先，引入可变形卷积，构建具有可自适应不同尺度和形变大小感受野的可变形U‑Net，以更好的提取胰腺多变的几何特征；其次，基于MT框架，引入证据深度学习对模型的预测不确定性进行建模，将模型的输出视为证据，并形式化为狄利克雷分布，通过主观逻辑计算预测类别概率以及不确定性，根据不确定性信息生成未标记数据上可靠的伪标签指导模型学习；最后，引入对目标边界分割质量更敏感的边界损失，使模型更关注目标边界的分割效果。本发明克服了现有半监督学习方法难以保证伪标签质量、平衡估计精度及计算成本的问题，并针对胰腺分割任务提供了更具有针对性的解决方案。

公开(公告)号：CN118674927A

公开(公告)日：2024-09-20

申请号：CN202410771852.4

申请日：2024-06-15

Applicant: 南京邮电大学

Inventor： 陈蕾 ,  肖文韬 ,  郭威 ,  毛泽勇 ,  张锋 ,  李平

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895 ,  G06V10/774

Abstract: 本发明公开了一种基于证据学习的不确定性感知半监督胰腺分割方法。首先，引入可变形卷积，构建具有可自适应不同尺度和形变大小感受野的可变形U‑Net，以更好的提取胰腺多变的几何特征；其次，基于MT框架，引入证据深度学习对模型的预测不确定性进行建模，将模型的输出视为证据，并形式化为狄利克雷分布，通过主观逻辑计算预测类别概率以及不确定性，根据不确定性信息生成未标记数据上可靠的伪标签指导模型学习；最后，引入对目标边界分割质量更敏感的边界损失，使模型更关注目标边界的分割效果。本发明克服了现有半监督学习方法难以保证伪标签质量、平衡估计精度及计算成本的问题，并针对胰腺分割任务提供了更具有针对性的解决方案。

公开(公告)号：CN118038026A

公开(公告)日：2024-05-14

申请号：CN202410430680.4

申请日：2024-04-11

Applicant: 江苏省送变电有限公司 ,  南京邮电大学

Inventor： 吴勇 ,  肖文韬 ,  毛泽勇 ,  戴挈军 ,  李权权 ,  陈镜石 ,  陈功勋 ,  金振强 ,  陈蕾

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/776 ,  G06V10/774 ,  G06V10/766 ,  G06V10/764 ,  G06V10/75 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明提出了一种基于旋转目标检测的变电站二次接线可信质检方法，包括构建基于二次接线真实场景的目标检测数据集，基于YOLOv8m模型构建不确定性感知的旋转目标检测模型，检测头中引入回归不确定性分支和分类不确定性分支，并分别进行高斯分布建模，模型能在输出目标检测结果的同时，伴随输出衡量检测结果的不确定性度量，并将该不确定性度量用于改善NMS的质量；同时还设计了具有拒识功能的成对匹配算法，根据目标检测结果和相应的不确定性度量，对输入图像中的端子和接线帽进行匹配，并对其中不确定性度量超出阈值的接线帽进行拒识。本发明区别于传统的人工质检方式，在提高了质检效率的同时，有效降低了工人的负担。

公开(公告)号：CN117635904A

公开(公告)日：2024-03-01

申请号：CN202311711078.X

申请日：2023-12-13

Applicant: 南京邮电大学

Inventor： 陈蕾 ,  张宇帆 ,  肖文韬 ,  洪文谦 ,  张锋 ,  李平

IPC: G06V10/20 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096 ,  G06V10/764 ,  G06V40/10

Abstract: 本发明属于目标检测技术领域，公开了一种动态自适应特征感知的可信低慢小无人机检测方法，所述方法包括：获取图像样本集，其包括鸟类和无人机两类目标，将样本分为训练集、验证集和测试集，并对图像样本进行预处理；改进YOLOv8s模型：在其backbone的P2层后引入极小目标检测模块，并在极小目标检测模块后引入动态自适应特征感知模块，最后将YOLOv8s模型的分类器改为可信分类器，得到无人机目标检测模型；构建GPU训练环境，设置训练参数，并加载数据配置文件和模型配置文件；经过训练得到训练好的无人机目标检测模型；取待识别图像输入到训练好的模型中进行检测，提高了复杂环境下小目标检测的精度。