-
公开(公告)号：CN116668702A
公开(公告)日：2023-08-29
申请号：CN202310945851.2
申请日：2023-07-31
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 之江实验室 , 国网信息通信产业集团有限公司 , 南京南瑞信息通信科技有限公司 , 浙大宁波理工学院
IPC: H04N19/139 , H04N19/159 , H04N19/13 , H04N19/124 , H04N19/117
Abstract: 本发明公开一种视频编码方法、装置、终端设备及存储介质，方法包括：当待编码图像属于帧内编码时，通过预先以机器智能任务为目标训练的视频编码模型进行图像编码、量化和熵编码，获得二进制码流；当待编码图像属于帧间编码时，通过视频编码模型，首先进行运动估计，然后进行运动矢量编码、量化和熵编码，对待编码运动矢量信号进行运动矢量解码和运动补偿，然后根据待编码图像获得预测残差；根据隐向量和运动矢量隐向量获取显著图像以对预测残差进行滤波，然后进行残差编码、量化和熵编码获得预测残差码流，结合运动矢量码流获得整合码流；根据各待编码图像的二进制码流/整合码流，获得目标压缩视频。本发明能够满足机器智能任务的视频编码需求。
-
Patent Agency Ranking
公开(公告)号：CN116704266A
公开(公告)日：2023-09-05
申请号：CN202310935029.8
申请日：2023-07-28
Applicant: 国网浙江省电力有限公司信息通信分公司 , 南京南瑞信息通信科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本申请公开一种电力设备故障检测方法、装置、设备及存储介质，涉及电力物联网安全技术领域，能够提高电力设备的故障检测精度和检测效率。具体方案包括：获取原始图像数据集，并进行类型划分，得到第一数据集和第二数据集，第一数据集中为电力设备正常运行的图像数据，第二数据集为电力设备故障的图像数据；对第二数据集进行数据增强，得到第二目标数据集；利用第一数据集训练预设的初始多尺度卷积神经网络模型，得到中间多尺度卷积神经网络模型；利用第一数据集和第二目标数据集训练中间多尺度卷积神经网络模型，得到目标多尺度卷积神经网络模型；将实时采集的电力设备图像输入至目标多尺度卷积神经网络模型中，得到电力设备的故障检测结果。
-
公开(公告)号：CN116668702B
公开(公告)日：2023-10-24
申请号：CN202310945851.2
申请日：2023-07-31
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 之江实验室 , 国网信息通信产业集团有限公司 , 南京南瑞信息通信科技有限公司 , 浙大宁波理工学院
IPC: H04N19/139 , H04N19/159 , H04N19/13 , H04N19/124 , H04N19/117
Abstract: 本发明公开一种视频编码方法、装置、终端设备及存储介质，方法包括：当待编码图像属于帧内编码时，通过预先以机器智能任务为目标训练的视频编码模型进行图像编码、量化和熵编码，获得二进制码流；当待编码图像属于帧间编码时，通过视频编码模型，首先进行运动估计，然后进行运动矢量编码、量化和熵编码，对待编码运动矢量信号进行运动矢量解码和运动补偿，然后根据待编码图像获得预测残差；根据隐向量和运动矢量隐向量获取显著图像以对预测残差进行滤波，然后进行残差编码、量化和熵编码获得预测残差码流，结合运动矢量码流获得整合码流；根据各待编码图像的二进制码流/整合码流，获得目标压缩视频。本发明能够满足机器智能任务的视频编码需求。
-
公开(公告)号：CN116704266B
公开(公告)日：2023-10-31
申请号：CN202310935029.8
申请日：2023-07-28
Applicant: 国网浙江省电力有限公司信息通信分公司 , 南京南瑞信息通信科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本申请公开一种电力设备故障检测方法、装置、设备及存储介质，涉及电力物联网安全技术领域，能够提高电力设备的故障检测精度和检测效率。具体方案包括：获取原始图像数据集，并进行类型划分，得到第一数据集和第二数据集，第一数据集中为电力设备正常运行的图像数据，第二数据集为电力设备故障的图像数据；对第二数据集进行数据增强，得到第二目标数据集；利用第一数据集训练预设的初始多尺度卷积神经网络模型，得到中间多尺度卷积神经网络模型；利用第一数据集和第二目标数据集训练中间多尺度卷积神经网络模型，得到目标多尺度卷积神经网络模型；将实时采集的电力设备图像输入至目标多尺度卷积神经网络模型中，得到电力设备的故障检测结果。
-
公开(公告)号：CN116665020A
公开(公告)日：2023-08-29
申请号：CN202310943802.5
申请日：2023-07-31
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司
Abstract: 本发明提供了一种基于算子融合的图像识别方法、装置、电子设备及存储介质，通过获取用户输入的模型参数，建立视觉模型，并对视觉模型进行解析，获取算子连接图；根据预设的融合规则和算子连接图，获取全部可能的算子融合策略；再根据预设的优化目标函数，对算子融合策略进行筛选；根据筛选后的算子融合策略执行算子融合操作，获取融合后的视觉模型；再获取待识别图像，并将待识别图像输入所述融合后的视觉模型，通过融合后的视觉模型，输出图像识别结果。本发明通过对算子融合策略的计算复杂度进行筛选，以快速且高效的方法确定全局最优的算子融合策略，避免了陷入局部最优解的同时，实现了视觉模型计算效率的提升。
-
公开(公告)号：CN116665020B
公开(公告)日：2024-04-12
申请号：CN202310943802.5
申请日：2023-07-31
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司
Abstract: 本发明提供了一种基于算子融合的图像识别方法、装置、电子设备及存储介质，通过获取用户输入的模型参数，建立视觉模型，并对视觉模型进行解析，获取算子连接图；根据预设的融合规则和算子连接图，获取全部可能的算子融合策略；再根据预设的优化目标函数，对算子融合策略进行筛选；根据筛选后的算子融合策略执行算子融合操作，获取融合后的视觉模型；再获取待识别图像，并将待识别图像输入所述融合后的视觉模型，通过融合后的视觉模型，输出图像识别结果。本发明通过对算子融合策略的计算复杂度进行筛选，以快速且高效的方法确定全局最优的算子融合策略，避免了陷入局部最优解的同时，实现了视觉模型计算效率的提升。
-
-
-
-
-
Search Results
6
records
(took 0.072 seconds)
