-
公开(公告)号：CN113627609B
公开(公告)日：2023-06-09
申请号：CN202110732865.7
申请日：2021-06-30
Applicant: 国网福建省电力有限公司信息通信分公司 , 国网福建省电力有限公司 , 福建亿榕信息技术有限公司 , 国家电网有限公司 , 福州大学 , 国网信息通信产业集团有限公司 , 国网信通亿力科技有限责任公司
Abstract: 本发明涉及人工智能技术领域，特别涉及一种基于仿射变换的网络度量方法和存储设备。所述一种基于仿射变换的网络度量方法，包括步骤：输入待测样本至预先训练好的仿射变换模型计算得所述待测样本的结构相似性损失值和相似度损失值；结合第一经验阈值、第二经验阈值、所述待测样本的结构相似性损失值和相似度损失值判断前后两次采样的待测样本是否发生变更。以上方法中，利用了预先训练好的仿射变换模型会对所述待测样本两次采样的图像位置角度和远近差异等进行校正，再计算校正后的前后两次采样的待测样本是否发生变更，进而判断机柜内是否发生变化，使得判断结果更准确。
-
公开(公告)号：CN113591369B
公开(公告)日：2023-06-09
申请号：CN202110733581.X
申请日：2021-06-30
Applicant: 国网福建省电力有限公司信息通信分公司 , 国网福建省电力有限公司 , 福建亿榕信息技术有限公司 , 国家电网有限公司 , 福州大学 , 国网信息通信产业集团有限公司 , 国网信通亿力科技有限责任公司
Inventor： 张江龙 , 粟仁杰 , 庄莉 , 李霆 , 陈严纾 , 蔡宇翔 , 王栋 , 吴茜 , 叶庚 , 潘丹 , 肖琦敏 , 梁懿 , 于元隆 , 蒋伟杰 , 徐杰 , 潘进土 , 黄道
IPC: G06T17/20 , G06N3/0464 , G06V10/422 , G06V10/82
Abstract: 本发明涉及三维视觉技术领域，特别涉及一种基于先验约束的单帧视图三维模型点云重建方法和存储设备。所述一种基于先验约束的单帧视图三维模型点云重建方法，包括步骤：建立3D椭球体；建立基于图的全卷积网络；获取图像特征，对所述3D椭球体进行形变，得优化后的三维网格模型；对所述优化后的三维网格模型进行再次优化；将所述图像特征及再次优化后的三维网格模型进行连接；得新的三维网格模型；对所述新的三维网格模型进行转化得点云模型。通过以上方法，能够通过单帧的RGB图片获取三维模型的表面信息，在加入形状比例先验约束后，能够更好生成接近原始机柜模型比例的新的三维模型，最后根据新的三维模型生成点云模型。
-
公开(公告)号：CN113610087B
公开(公告)日：2023-06-09
申请号：CN202110733573.5
申请日：2021-06-30
Applicant: 国网福建省电力有限公司信息通信分公司 , 国网福建省电力有限公司 , 福建亿榕信息技术有限公司 , 国家电网有限公司 , 福州大学 , 国网信息通信产业集团有限公司 , 国网信通亿力科技有限责任公司
Inventor： 蔡宇翔 , 叶勇 , 梁懿 , 罗富财 , 吴茜 , 郭蔡炜 , 蒋鑫 , 王栋 , 郑蔚涛 , 张江龙 , 叶庚 , 潘丹 , 庄莉 , 于元隆 , 蒋伟杰 , 徐杰 , 潘进土 , 黄道
IPC: G06V20/50 , G06V10/82 , G06V10/764 , G06V10/44 , G06T3/40 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于先验超分辨率的图像小目标检测方法及存储介质，包括以下步骤：对目标物体进行采样获得高分辨率状态下的目标训练样本及全景训练样本；使用目标训练样本及全景训练样本训练超分辨率生成器；对目标物体全景图像裁剪获得低分辨率状态的目标图像，并通过超分辨率生成器生成高分辨状态的目标图像；对高分辨状态的目标图像裁剪成若干个预设大小的图片；然后输入目标检测网络中，得到最终的小目标检测结果。将低分辨率的图片超分辨率处理后生成高分辨的图像以增强小样本目标在样本表达中的信息，以得到更高的检测精度。在生成超分辨率的图像过程中使用生成目标高分辨先验进行监督式的模型训练，以此更好的生成超分辨率样本。
-
Patent Agency Ranking
公开(公告)号：CN113591369A
公开(公告)日：2021-11-02
申请号：CN202110733581.X
申请日：2021-06-30
Applicant: 国网福建省电力有限公司信息通信分公司 , 国网福建省电力有限公司 , 福建亿榕信息技术有限公司 , 国家电网有限公司 , 福州大学 , 国网信息通信产业集团有限公司 , 国网信通亿力科技有限责任公司
Inventor： 张江龙 , 粟仁杰 , 庄莉 , 李霆 , 陈严纾 , 蔡宇翔 , 王栋 , 吴茜 , 叶庚 , 潘丹 , 肖琦敏 , 梁懿 , 于元隆 , 蒋伟杰 , 徐杰 , 潘进土 , 黄道
IPC: G06F30/27 , G06T17/20 , G06N3/04 , G06F111/04
Abstract: 本发明涉及三维视觉技术领域，特别涉及一种基于先验约束的单帧视图三维模型点云重建方法和存储设备。所述一种基于先验约束的单帧视图三维模型点云重建方法，包括步骤：建立3D椭球体；建立基于图的全卷积网络；获取图像特征，对所述3D椭球体进行形变，得优化后的三维网格模型；对所述优化后的三维网格模型进行再次优化；将所述图像特征及再次优化后的三维网格模型进行连接；得新的三维网格模型；对所述新的三维网格模型进行转化得点云模型。通过以上方法，能够通过单帧的RGB图片获取三维模型的表面信息，在加入形状比例先验约束后，能够更好生成接近原始机柜模型比例的新的三维模型，最后根据新的三维模型生成点云模型。
-
公开(公告)号：CN115204234A
公开(公告)日：2022-10-18
申请号：CN202210869189.2
申请日：2022-07-22
Applicant: 福州大学
Abstract: 本发明提供一种风力发电机故障诊断方法，具体涉及一种早期停止优化集合扩张卷积神经网络ESO‑EDCNN的风力发电机故障诊断方法。包括如下步骤：首先，利用加速度传感器采集风力发电机不同工作状态下的振动信号，将所采集的信号随机打乱，分为训练集和测试集。然后训练集被分为训练子集和验证子集，分别被用来训练和验证ESO‑EDCNN模型。最后，将测试集输入训练好的模型中，实现风力发电机智能故障诊断。本发明克服了单一诊断模型可靠性低，准确率低等问题，并解决了现有深度学习模型训练时间冗长且容易过拟合等难题。风力发电机故障诊断实验结果表明所提方法能够准确识别出多种单一/复合故障类型，具有很大的实用价值。
-
公开(公告)号：CN117828446A
公开(公告)日：2024-04-05
申请号：CN202410019250.3
申请日：2024-01-05
Applicant: 福州大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/094 , G06N3/096
Abstract: 本发明涉及一种基于迁移学习的风力发电机故障诊断方法，包括：S1、利用加速度传感器采集在不同工况下的正常与故障状态下的振动加速度信号；S2、将源域和目标域的样本分为训练集、验证集和测试集，分批次随机抽取目标域的无标签样本，以对齐源域训练集样本的维度；S3、将已对齐的样本送入改进深度残差网络，通过双阶段早期停止优化迁移学习策略进行训练，通过梯度反转层进行域对抗训练以减小源域和目标域的样本差异并获取域不变特征；将测试好的预训练模型的部分特征提取器冻结，用目标域训练集数据微调预训练模型的分类器；S4、将目标域测试集输入训练好的目标域的目标模型中，得到故障诊断结果。该方法有利于准确、高效地诊断出风力发电机故障。
-
公开(公告)号：CN113627609A
公开(公告)日：2021-11-09
申请号：CN202110732865.7
申请日：2021-06-30
Applicant: 国网福建省电力有限公司信息通信分公司 , 国网福建省电力有限公司 , 福建亿榕信息技术有限公司 , 国家电网有限公司 , 福州大学 , 国网信息通信产业集团有限公司 , 国网信通亿力科技有限责任公司
Abstract: 本发明涉及人工智能技术领域，特别涉及一种基于仿射变换的网络度量方法和存储设备。所述一种基于仿射变换的网络度量方法，包括步骤：输入待测样本至预先训练好的仿射变换模型计算得所述待测样本的结构相似性损失值和相似度损失值；结合第一经验阈值、第二经验阈值、所述待测样本的结构相似性损失值和相似度损失值判断前后两次采样的待测样本是否发生变更。以上方法中，利用了预先训练好的仿射变换模型会对所述待测样本两次采样的图像位置角度和远近差异等进行校正，再计算校正后的前后两次采样的待测样本是否发生变更，进而判断机柜内是否发生变化，使得判断结果更准确。
-
公开(公告)号：CN113610087A
公开(公告)日：2021-11-05
申请号：CN202110733573.5
申请日：2021-06-30
Applicant: 国网福建省电力有限公司信息通信分公司 , 国网福建省电力有限公司 , 福建亿榕信息技术有限公司 , 国家电网有限公司 , 福州大学 , 国网信息通信产业集团有限公司 , 国网信通亿力科技有限责任公司
Inventor： 蔡宇翔 , 叶勇 , 梁懿 , 罗富财 , 吴茜 , 郭蔡炜 , 蒋鑫 , 王栋 , 郑蔚涛 , 张江龙 , 叶庚 , 潘丹 , 庄莉 , 于元隆 , 蒋伟杰 , 徐杰 , 潘进土 , 黄道
Abstract: 本发明涉及一种基于先验超分辨率的图像小目标检测方法及存储介质，包括以下步骤：对目标物体进行采样获得高分辨率状态下的目标训练样本及全景训练样本；使用目标训练样本及全景训练样本训练超分辨率生成器；对目标物体全景图像裁剪获得低分辨率状态的目标图像，并通过超分辨率生成器生成高分辨状态的目标图像；对高分辨状态的目标图像裁剪成若干个预设大小的图片；然后输入目标检测网络中，得到最终的小目标检测结果。将低分辨率的图片超分辨率处理后生成高分辨的图像以增强小样本目标在样本表达中的信息，以得到更高的检测精度。在生成超分辨率的图像过程中使用生成目标高分辨先验进行监督式的模型训练，以此更好的生成超分辨率样本。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.032 seconds)
