-
公开(公告)号：CN116935437A
公开(公告)日：2023-10-24
申请号：CN202310856310.2
申请日：2023-07-12
Applicant: 湖北工业大学
IPC: G06V40/10 , G06V10/764 , G06V10/86 , G06N3/04 , G06N3/0464
Abstract: 本发明涉及一种电力作业人员的检测方法、装置、电子设备及存储介质，方法包括：获取目标检测模型，目标检测模型包括：主干网络、特征融合网络模块以及末端检测模块，获取检测图片，并进行预处理，得到目标图片，并输入到目标检测模型中，通过主干网络进行特征提取，得到多个注意力特征图片，并通过特征融合网络模块进行融合处理，得到融合图片，并通过末端检测模块进行解码处理，得到对应融合图片的预测结果，将对应融合图片的预测结果进行非极大抑制处理，得到电力作业人员图片检测框，并进行分类以及全类平均正确率计算处理，得到计算结果，并将计算结果与预设的阈值进行匹配，得到电力作业人员检测结果。
-
公开(公告)号：CN117272139A
公开(公告)日：2023-12-22
申请号：CN202311211227.6
申请日：2023-09-18
Applicant: 湖北工业大学
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种结合特征相关性与时间相关性的盾构机姿态预测方法，其先获取目标盾构机在预设时间段内的原始数据，进行预处理后得到模型输入数据，然后通过预设盾构机姿态预测模型得到目标盾构机的姿态预测结果。其中，盾构机姿态预测模型包括依次相连的特征注意力神经网络模型、残差门控循环神经网络模型和掩码注意力神经网络模型，相比于现有技术，本发明通过特征注意力神经网络模型捕获盾构机的参数数据之间的潜在关系，实现自适应分配特征关注度，首次采用非级联结构的残差门控循环神经网络模型提高精度，通过掩码注意力神经网络模型捕获不同时间步之间的相关性，有效提升预测精度。
-
公开(公告)号：CN116958580A
公开(公告)日：2023-10-27
申请号：CN202310879107.7
申请日：2023-07-17
Applicant: 湖北工业大学
IPC: G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/86
Abstract: 本发明涉及一种电力防护装备检测网络训练方法、应用方法、电子设备及介质，包括：获取电力防护装备检测数据集；构建初始电力防护装备检测网络；将检测图像为输入，基于特征提取模块进行特征提取得到特征图像，基于多尺度融合模块依次进行上采样特征融合和下采样特征融合得到融合特征数据，基于检测头进行解码得到预测框和置信度预测值；基于变焦损失模块计算预测框和检测框的交并比，根据交并比和检测标签确定样本损失权重并计算加权预测损失，调整网络参数直至损失不再降低，得到训练完备的电力防护装备检测网络。本发明通过变焦损失模块确定正负样本的损失权重，根据损失权重计算加权预测损失，解决样本间不平衡性问题，提高网络的检测准确性。
-
公开(公告)号：CN116883344A
公开(公告)日：2023-10-13
申请号：CN202310810984.9
申请日：2023-07-03
Applicant: 湖北工业大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/80
Abstract: 本发明涉及一种带钢表面缺陷分类方法、装置、电子设备及介质，其方法包括：获取带钢表面缺陷图像集；根据带钢表面缺陷图像集的数据分布，对带钢表面缺陷图像集进行梯度数据增强；将图像集中的训练集图像输入到预设的深度学习模型中进行训练，得到带钢表面缺陷分类模型，带钢表面缺陷分类模型包括：共享层、个性层、特征融合层和分类层；获取待识别的带钢表面图像，基于带钢表面缺陷分类模型对待识别的带钢表面图像进行识别分类，得到待识别的带钢表面图像的缺陷分类结果。本发明提高了带钢表面质量缺陷检测分类的准确率。
-
-
-
Search Results
4
records
(took 0.015 seconds)
