-
公开(公告)号：CN114419413A
公开(公告)日：2022-04-29
申请号：CN202210031802.3
申请日：2022-01-12
申请人： 国网河南省电力公司电力科学研究院 , 天津大学 , 国家电网有限公司
IPC分类号： G06V10/82 , G06V10/774 , G06V10/766 , G06V10/80 , G06V10/44 , G06N3/04 , G06N3/08 , G06T7/00 , G06K9/62
摘要： 感受野自适应的变电站绝缘子缺陷检测神经网络构建方法，基于真实场景下变电站巡检图像，采用缺陷模拟技术生成绝缘子缺陷样本，构建缺陷检测神经网络，采用ResNest网络进行特征提取，获得三个不同分辨率的特征图，经FPN以通道拼接方式进行多尺度特征融合，以实现跨特征层的信息交互。将FPN网络生成的不同分辨率特征图送入感受野自适应选择模块，以学习不同尺度目标所需的感受野，最后输入检测头获得类别预测和边框回归预测结果。采用本发明所述的方法，能够充分提取兼顾深层语义信息和浅层细节信息的图像特征，动态调整检测头的感受野，增强特征的表达能力，从而提升目标检测的精度和鲁棒性，以实现更精准的检测。
-
公开(公告)号：CN114241413A
公开(公告)日：2022-03-25
申请号：CN202111544623.1
申请日：2021-12-16
申请人： 国网河南省电力公司电力科学研究院 , 天津大学 , 国家电网有限公司
IPC分类号： G06V20/52 , G06V10/44 , G06V10/771 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08 , G06K9/62
摘要： 基于注意力机制与特征平衡性的变电站多目标检测方法，包括：获取变电站设备的图像数据样本，利用数据标注软件提取图像数据样本中的目标信息，利用目标信息构建变电站多目标检测的数据集；基于darknet‑53网络和注意力机制，建立变电站多目标检测网络，对各特征图依次进行特征平衡和特征融合后得到融合特征图，再对融合特征图进行多分支检测，得到变电站多目标检测结果；使用变电站多目标检测的数据集，基于迁移学习的方法，对变电站多目标检测网络进行迭代训练；以训练好的多目标检测网络，对变电站设备进行检测。本发明解决具有复杂背景的目标与外形相似目标，以及不同目标相互遮挡导致识别难度大的问题，从而提高变电站运维的效率。
-
公开(公告)号：CN116433892A
公开(公告)日：2023-07-14
申请号：CN202310117439.1
申请日：2023-02-15
申请人： 国网河南省电力公司电力科学研究院 , 天津大学 , 国家电网有限公司
发明人： 田杨阳 , 郭志民 , 朱新山 , 王棨 , 李哲 , 郑伟 , 姜亮 , 张璐 , 庞锴 , 刘昊 , 侯春羽 , 李冠争 , 毛万登 , 刘善峰 , 袁少光 , 王帅 , 李亚霖 , 钱统玉 , 屈璐瑶 , 曾筠婷 , 李斌 , 陈岑 , 赵健
IPC分类号： G06V10/25 , G06V10/42 , G06V10/52 , G06V10/54 , G06V10/764 , G06V10/774 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 一种声云信息引导的小样本目标检测网络装置，目标检测网络选用Faster R‑CNN作为基础检测模型，特征学习组件包括声云信息引导模块，特征融合模块，区域候选网络，感兴趣区域池化模块以及感兴趣区域特征提取器。声云信息引导模块包括声学特征引导分支和全局特征引导分支。全局特征引导分支通过提取特征图纹理信息生成权重，引导全局特征选择。两分支所得权重分别与主干网络输出的特征图像相乘，堆叠后压缩通道，可以有效引导网络关注于声云覆盖区域及重要边界纹理信息，增强网络特征学习能力。本发明解决了声学图像数据量不足且声学信息难以被网络识别利用导致的识别难度大的问题，从而提高变电站运维的效率。
-
公开(公告)号：CN114240878A
公开(公告)日：2022-03-25
申请号：CN202111544602.X
申请日：2021-12-16
申请人： 国网河南省电力公司电力科学研究院 , 天津大学 , 国家电网有限公司
IPC分类号： G06T7/00 , G06V10/82 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/766 , G06N3/04 , G06N3/08 , G06K9/62
摘要： 面向巡检场景的绝缘子缺陷检测神经网络构建与优化方法，包括：利用数据标注软件和随机生成算法从输变电巡检绝缘子的图像数据样本中获取缺陷绝缘子样本并构建检测数据集；构建包括多尺度特征提取主干网络、多尺度特征融合网络和检测网络的绝缘子缺陷检测神经网络；多尺度特征提取主干网络包括改进的Resnet残差块，多尺度特征融合网络包括上采样模块和特征融合模块，检测网络包括缺陷分类检测模块和边框回归检测模块；设计目标检测损失函数，使用检测数据集和目标检测损失函数对绝缘子缺陷检测神经网络进行训练，面向输变电巡检场景进行检测。所构建的目标检测网络模型能够实现小尺度的单片绝缘子目标检测，提高绝缘子片和缺陷的定位精度。
-
公开(公告)号：CN114511475B
公开(公告)日：2022-08-02
申请号：CN202210418314.8
申请日：2022-04-21
申请人： 天津大学
摘要： 本发明公开了一种基于改进Cycle GAN的图像生成方法，包括从X域图像数据库中获取输入图像；将所述输入图像输入至编码器并输出特征图像；将所述特征图像输入至特征权重自适应模块，对所述特征图像提取背景信息和目标特征信息，并针对提取的背景信息和目标特征信息进行不同权重的特征融合；将处理后的特征图像依次输入至转换器和解码器中还原生成输出图像。本发明的图像生成方法将特征融合机制引入Cycle GAN网络，改进后生成的图像效果更加真实，特征细节处理效果更好，且改善了原网络转换后背景失真问题，使得转换后的图像在结构、亮度和色彩上更加接近于真实场景下的图像。
-
公开(公告)号：CN114511475A
公开(公告)日：2022-05-17
申请号：CN202210418314.8
申请日：2022-04-21
申请人： 天津大学
摘要： 本发明公开了一种基于改进Cycle GAN的图像生成方法，包括从X域图像数据库中获取输入图像；将所述输入图像输入至编码器并输出特征图像；将所述特征图像输入至特征权重自适应模块，对所述特征图像提取背景信息和目标特征信息，并针对提取的背景信息和目标特征信息进行不同权重的特征融合；将处理后的特征图像依次输入至转换器和解码器中还原生成输出图像。本发明的图像生成方法将特征融合机制引入Cycle GAN网络，改进后生成的图像效果更加真实，特征细节处理效果更好，且改善了原网络转换后背景失真问题，使得转换后的图像在结构、亮度和色彩上更加接近于真实场景下的图像。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.062 秒)
