公开(公告)号：CN117058604A

公开(公告)日：2023-11-14

申请号：CN202310883511.1

申请日：2023-07-18

Applicant: 天津大学

Inventor： 朱新山 ,  钱统玉 ,  李斌 ,  李亚霖 ,  侯春羽 ,  张澜

IPC: G06V20/50 ,  G06V10/77 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/048 ,  G06N3/045 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种基于自适应路径聚合网络的变电站智能运维方法，涉及目标检测技术领域，用于实现变电站运维多目标检测，该方法包括：主干网络用于从变电站运维目标检测图像中提取不同尺度的各级特征图，在颈部网络中，自适应路径聚合金字塔网络融合主干网络提取的多尺度特征，包括用于缓解直接融合不同尺度特征所带来的语义信息冲突的通道注意力融合模块，以及分配额外的特征层级得出最优的实例梯度反向传播路径的跨层级路径聚合模块，头部网络采用解耦头对所述自适应路径聚合金字塔网络融合的所述多尺度特征进行预测，该方法能够提高网络对尺度的鲁棒性，在应对大规模尺度变化中起着关键作用。

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

Applicant: 天津大学

Inventor： 侯永宏 ,  侯春羽 ,  李斌 ,  朱新山 ,  李施琦 ,  屈璐瑶 ,  曾筠婷 ,  李亚霖 ,  钱统玉

IPC: G06T5/00 ,  G06T11/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/80 ,  G06V10/82

Abstract: 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：CN116433892A

公开(公告)日：2023-07-14

申请号：CN202310117439.1

申请日：2023-02-15

Applicant: 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

Inventor： 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: G06V10/25 ,  G06V10/42 ,  G06V10/52 ,  G06V10/54 ,  G06V10/764 ,  G06V10/774 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 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：CN114511475A

公开(公告)日：2022-05-17

申请号：CN202210418314.8

申请日：2022-04-21

Applicant: 天津大学

Inventor： 侯永宏 ,  侯春羽 ,  李斌 ,  朱新山 ,  李施琦 ,  屈璐瑶 ,  曾筠婷 ,  李亚霖 ,  钱统玉

IPC: G06T5/00 ,  G06T11/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/80 ,  G06V10/82

Abstract: 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：CN116152633A

公开(公告)日：2023-05-23

申请号：CN202310409045.3

申请日：2023-04-18

Applicant: 天津大学

Inventor： 侯春羽 ,  侯永宏 ,  李艳 ,  李亚霖

IPC: G06V10/82 ,  G06V10/40 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明涉及一种基于空间特征表示的目标检测网络的检测方法和系统，其能提取具有丰富空间表示的特征，增强网络特征选择能力，以适应具有极端纵横比的物体的形状，提高检测长、窄物体的能力。采用本发明的方法和系统在变电站多目标检测中输出的预测框对实际目标的拟合程度比较理想。空间特征表示模块可以有效提取出目标骨干特征信息，增强了网络特征提取能力，有效提高细长目标检测性能。