-
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：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：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：CN119442130A
公开(公告)日：2025-02-14
申请号：CN202411342390.0
申请日：2024-09-25
Applicant: 北京国网信通埃森哲信息技术有限公司 , 国网信息通信产业集团有限公司
Abstract: 本公开提供一种电力信息融合系统，包括：数据管理模块、模式层处理模块和数据层处理模块，数据管理模块与模式层处理模块相连接，接收来自不同源的电力多模态数据，对电力多模态数据进行分层存储管理，得到层级存储数据，模式层处理模块与数据层处理模块相连接，对层级存储数据进行解析，得到电力专业知识信息，基于图数据库对电力专业知识信息进行进行构建，得到知识图谱模式层，对知识图谱模式层进行知识计算，得到标准化知识图谱模式层，数据层处理模块，数据层处理模块基于层级存储数据对标准化知识图谱模式层进行数据填充，本公开分析数据准确率高，计算效率高，消耗资源小，数据融合效果稳定。
-
公开(公告)号：CN119291366A
公开(公告)日：2025-01-10
申请号：CN202411191502.7
申请日：2024-08-28
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
IPC: G01R31/08 , G06F18/2415 , G06F18/213 , G06F18/2431 , G06N3/042 , G06N3/045
Abstract: 本公开提供了一种基于改进边图注意力机制的配电网故障定位方法及装置，获取配电网拓扑结构，确定配电网邻接矩阵及导纳矩阵；根据电压值及电流值确定节点特征矩阵及边特征矩阵；将配电网邻接矩阵、导纳矩阵、节点特征矩阵及边特征矩阵输入至故障定位模型，经由模型输出配电网中的故障节点，对于配电网中的故障位置确定更加准确。该方法针对配电网支路信息中导纳与电流隶属不同属性特征，将导纳信息融入到节点特征聚合过程中，将其嵌入到注意力系数；将线路电流信息直接添加到相邻节点特征中，将边固有属性信息分别融入图注意力神经网络的方法，能够更为精准提取故障特征，提升模型定位的精度，在实际应用中对数据噪声和数据缺失具有更好的鲁棒性。
-
公开(公告)号：CN119202967A
公开(公告)日：2024-12-27
申请号：CN202411167364.9
申请日：2024-08-23
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
IPC: G06F18/2433 , G06F18/213 , G06N3/0442 , G06N3/048
Abstract: 本申请提供一种电力系统的运行状态异常检测方法及相关设备，所述方法包括获取电力系统中的电力数据；将所述电力数据输入至经过预先训练的长短期记忆网络模型，通过所述长短期记忆网络模型的门控机制对所述电力数据进行特征提取，得到原始特征；通过所述长短期记忆网络模型的多头注意力机制对所述原始特征进行特征提取，得到目标电力特征；基于所述目标电力特征，通过所述长短期记忆网络模型输出所述电力数据对应的预测数据；基于所述预测数据，确定所述预测数据对应的承受值，响应于确定所述承受值满足预定条件，确定所述电力系统在未来时间段处于异常运行状态，解决了现有技术中电力系统的运行状态的异常检测并不准确的技术问题。
-
公开(公告)号：CN119202344A
公开(公告)日：2024-12-27
申请号：CN202411167366.8
申请日：2024-08-23
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
IPC: G06F16/906 , G06F18/22 , G06F18/2413 , G06F18/23 , G06F16/11
Abstract: 本申请提供一种多模态数据的存储方法、装置、电子设备及存储介质，所述方法包括从多个数据源获取多模态数据；对所述多模态数据中的每个模态数据进行向量化处理，得到每个模态数据对应的向量数据；将所述模态数据和其对应的向量数据关联存储至预先构建的数据库，解决了现有技术中多模态数据不能融合存储的技术问题，提升了多模态数据的利用率。
-
-
-
-
-
-
-
-
-
Search Results
303
records
(took 0.129 seconds)
