-
公开(公告)号：CN113436216B
公开(公告)日：2024-03-05
申请号：CN202110770016.0
申请日：2021-07-06
Applicant: 国网信息通信产业集团有限公司 , 北京国网信通埃森哲信息技术有限公司 , 武汉大学
Abstract: 本发明提供一种基于Canny算子的电气设备红外图像边缘检测方法，该方法通过对电气设备红外图像进行灰度化处理后获得灰度图像，对灰度图像进行Gamma变换获得增强后的图像，再对增强后的图像利用高斯滤波器进行平滑降噪获得平滑图像；在传统Canny算法基础上，本发明考虑0°、90°、45°和135°四个方向的梯度，计算平滑图像中每个像素的梯度幅值和梯度方向，获得梯度幅值图像，再根据计算得到的梯度幅值图像计算双阈值；并采用插值方式对梯度幅值进行非极大值抑制；最后根据双阈值选择和连接边缘。本发明相比现有方法去噪效果更好，能更准确的检测边缘信息，适用于电气设备红外图像的检测。
-
公开(公告)号：CN113436216A
公开(公告)日：2021-09-24
申请号：CN202110770016.0
申请日：2021-07-06
Applicant: 国网信息通信产业集团有限公司 , 北京国网信通埃森哲信息技术有限公司 , 武汉大学
Abstract: 本发明提供一种基于Canny算子的电气设备红外图像边缘检测方法，该方法通过对电气设备红外图像进行灰度化处理后获得灰度图像，对灰度图像进行Gamma变换获得增强后的图像，再对增强后的图像利用高斯滤波器进行平滑降噪获得平滑图像；在传统Canny算法基础上，本发明考虑0°、90°、45°和135°四个方向的梯度，计算平滑图像中每个像素的梯度幅值和梯度方向，获得梯度幅值图像，再根据计算得到的梯度幅值图像计算双阈值；并采用插值方式对梯度幅值进行非极大值抑制；最后根据双阈值选择和连接边缘。本发明相比现有方法去噪效果更好，能更准确的检测边缘信息，适用于电气设备红外图像的检测。
-
公开(公告)号：CN113378989A
公开(公告)日：2021-09-10
申请号：CN202110763473.7
申请日：2021-07-06
Applicant: 武汉大学 , 国网信息通信产业集团有限公司 , 北京国网信通埃森哲信息技术有限公司 , 武汉纺织大学
Abstract: 本发明提供一种基于复式协同结构特征重组网络的多模态数据融合方法。针对现有多模态数据融合技术主要是特征直接融合而忽视了模态与模态间的双向交互，存在多模态融合时特征间语义鸿沟的问题，本发明利用深度神经网络提取图像及文本单模态特征，建立基于transformer机制的图文双向交互注意力模型，挖掘图像和文本之间的特征联系，进行多模态的语义关联，并引入复式协同结构网络加深模态之间交互信息的贯通，进行多模态深层融合下的特征双向重组，实现图像与文本语义空间的对齐，更好地适应了神经网络对不同模态间互补信息的搜寻，增强模型对多模态语义的理解和泛化能力，进一步提高多模态特征网络的分类准确度。
-
公开(公告)号：CN113378989B
公开(公告)日：2022-05-17
申请号：CN202110763473.7
申请日：2021-07-06
Applicant: 武汉大学 , 国网信息通信产业集团有限公司 , 北京国网信通埃森哲信息技术有限公司 , 武汉纺织大学
Abstract: 本发明提供一种基于复式协同结构特征重组网络的多模态数据融合方法。针对现有多模态数据融合技术主要是特征直接融合而忽视了模态与模态间的双向交互，存在多模态融合时特征间语义鸿沟的问题，本发明利用深度神经网络提取图像及文本单模态特征，建立基于transformer机制的图文双向交互注意力模型，挖掘图像和文本之间的特征联系，进行多模态的语义关联，并引入复式协同结构网络加深模态之间交互信息的贯通，进行多模态深层融合下的特征双向重组，实现图像与文本语义空间的对齐，更好地适应了神经网络对不同模态间互补信息的搜寻，增强模型对多模态语义的理解和泛化能力，进一步提高多模态特征网络的分类准确度。
-
公开(公告)号：CN113449738B
公开(公告)日：2023-06-23
申请号：CN202110781567.7
申请日：2021-07-06
Applicant: 国网信息通信产业集团有限公司 , 北京国网信通埃森哲信息技术有限公司 , 武汉大学
IPC: G06V10/32 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于样本特性的先验框参数自适应改进FRC检测方法。该方法在Faster RCNN算法的基础上，基于数据集样本的宽高比以及尺度，调节先验框的比例及尺度，使得先验框的大小接近原样本，进而提高Faster RCNN算法的准确率。本发明克服了现有的Faster RCNN算法不能充分利用数据集本身尺寸大小等先验知识的问题，在Faster RCNN算法的基础上，选择可变参数的先验框，根据数据集样本的宽高比和尺度，利用k‑means聚类算法选择合适的参数，调节先验框的比例及尺度，获得改进的FRC算法，解决数据集样本出现极大或极小以及宽高比悬殊的问题，提高Faster RCNN算法的目标检测精度。
-
Patent Agency Ranking
公开(公告)号：CN113449738A
公开(公告)日：2021-09-28
申请号：CN202110781567.7
申请日：2021-07-06
Applicant: 国网信息通信产业集团有限公司 , 北京国网信通埃森哲信息技术有限公司 , 武汉大学
Abstract: 本发明提供一种基于样本特性的先验框参数自适应改进FRC检测方法。该方法在Faster RCNN算法的基础上，基于数据集样本的宽高比以及尺度，调节先验框的比例及尺度，使得先验框的大小接近原样本，进而提高Faster RCNN算法的准确率。本发明克服了现有的Faster RCNN算法不能充分利用数据集本身尺寸大小等先验知识的问题，在Faster RCNN算法的基础上，选择可变参数的先验框，根据数据集样本的宽高比和尺度，利用k‑means聚类算法选择合适的参数，调节先验框的比例及尺度，获得改进的FRC算法，解决数据集样本出现极大或极小以及宽高比悬殊的问题，提高Faster RCNN算法的目标检测精度。
-
公开(公告)号：CN113343974B
公开(公告)日：2022-10-11
申请号：CN202110770185.4
申请日：2021-07-06
Applicant: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 武汉大学 , 国网信息通信产业集团有限公司
IPC: G06V10/22 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种考虑模态间语义距离度量的多模态融合分类优化方法。针对模态信息融合中构建统一语义下的特征子空间存在的融合效果不稳定、改善作用比较有限的问题，本发明基于改进的CBAM注意力机制进行自适应特征细化，采用横向结构，聚合空间及通道维度上的有效信息，进行局部语义特征加强；在此基础上，构建基于模态间语义距离的语义逼进模型，引入对模态间语义一致性判断的显式度量，减小相同语义特征对之间的分布距离，同时扩大不同语义特征对之间的分布距离；最终结合考虑模型分类性能目标与模型语义逼近目标，进行多模态信息下的线性融合，从而使模型更好地搜寻到公共特征子空间，提高多模态融合模型诊断的效能。
-
公开(公告)号：CN113343974A
公开(公告)日：2021-09-03
申请号：CN202110770185.4
申请日：2021-07-06
Applicant: 国网天津市电力公司 , 武汉大学 , 国网信息通信产业集团有限公司
Abstract: 本发明提供一种考虑模态间语义距离度量的多模态融合分类优化方法。针对模态信息融合中构建统一语义下的特征子空间存在的融合效果不稳定、改善作用比较有限的问题，本发明基于改进的CBAM注意力机制进行自适应特征细化，采用横向结构，聚合空间及通道维度上的有效信息，进行局部语义特征加强；在此基础上，构建基于模态间语义距离的语义逼进模型，引入对模态间语义一致性判断的显式度量，减小相同语义特征对之间的分布距离，同时扩大不同语义特征对之间的分布距离；最终结合考虑模型分类性能目标与模型语义逼近目标，进行多模态信息下的线性融合，从而使模型更好地搜寻到公共特征子空间，提高多模态融合模型诊断的效能。
-
公开(公告)号：CN115205712A
公开(公告)日：2022-10-18
申请号：CN202210362383.1
申请日：2022-04-07
Applicant: 国网信息通信产业集团有限公司 , 安徽继远软件有限公司
Abstract: 本申请涉及设备维护技术领域，本申请提供一种基于孪生网络的无人机巡检图像快速查重方法和系统，所述方法包括获取无人机每次巡检的巡检影像数据；基于ViT方式对巡检影像数据进行分类，获得每种分类背景下的所述巡检影像数据的子数据集；基于孪生神经网络对每种分类背景下的子数据集进行相似度计算，并与阈值比较，以获得重复的巡检影像数据，采用时间相关性方式来获得拍摄时间相近的图像对，可以避免不相关图像的计算，减少孪生网络计算的数据量，提高计算效率。融合ResNet的孪生网络，相比较于其他孪生网络，获得特征向量更准确，有利于孪生网络的相似性判断，基于孪生网络技术实现了图像的重复查询。
-
公开(公告)号：CN107734694B
公开(公告)日：2021-07-20
申请号：CN201710824784.3
申请日：2017-09-14
Applicant: 北京中电普华信息技术有限公司 , 国网山东省电力公司经济技术研究院 , 国家电网有限公司 , 北京邮电大学 , 国网信息通信产业集团有限公司
Abstract: 本发明公开了一种基于动态负载的重叠信道分配方法，包括：依据物理拓扑结构计算每个节点的优先级，并且使得拥有较高优先级的节点优先与邻居节点进行接口绑定；对信道进行初始化处理；计算每条链路对应的信道分配顺序，其中，信道分配顺序算法中增加链路负载作为计算因子；将未分配的信道按照降序排列，分别计算当前链路基于每条信道时，已分配信道的链路对当前链路的干扰值；选取干扰值最小对应的信道分配给当前链路。通过将链路实际负载作为信道分配顺序的计算因子，通过引入实际传输速率提出一种更适用的链路负载计算方法。本申请提出的信道分配方法能够根据通信系统中的业务负载程度周期性重新分配信道，提高系统吞吐量和通信性能。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.076 seconds)
