-
公开(公告)号：CN115375600B
公开(公告)日：2023-04-07
申请号：CN202211288588.6
申请日：2022-10-20
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
IPC: G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于自编码器的重构图像质量衡量方法，包括以下步骤：收集若干原始图像，生成原始图像集；构建包括编码器和解码器的自编码器网络；将原始图像集中的原始图像作为训练样本，输入至自编码器网络进行图像复现得到复现图像，并计算复现图像与对应原始图像之间的复现损失，基于复现损失对自编码器网络进行训练，完成自编码器网络的训练；取出训练好的自编码器网络中的编码器，作为特征提取器；获得重构图像集，将原始图像集和重构图像集分别输入至特征提取器中，分别获取原始图像集特征分布和重构图像集特征分布；计算原始图像集特征分布和重构图像集特征分布的Fréchet距离，根据Fréchet距离衡量重构图像集的数据质量。
-
公开(公告)号：CN115410024A
公开(公告)日：2022-11-29
申请号：CN202210584812.X
申请日：2022-05-27
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开基于动态激活热力图的电力图像缺陷检测方法，包括以下步骤：1、电力正常/缺陷图像的收集与预处理，划分训练集、验证集和测试集2、通过基于CNN结构的网络将电力图像样本映射到深度特征空间；3、选定目标层，生成粗糙激活热力图；4、对粗糙激活热力图进行归一化操作，并下采样到与步骤2中的深度特征图相同的尺寸，得到等效软性掩膜图；5、将等效软性掩膜图叠加于深度特征图，然后输入全局平均池化层与全连接网络层进行分类；6、进行模型训练迭代，动态更新等效软性掩膜图，获取最终激活热力图；7、在测试集上进行缺陷类别识别，将最终激活热力图双线性上采样到与输入图像相同的尺寸，与原图叠加，得到缺陷在图中的准确定位。
-
公开(公告)号：CN115359360B
公开(公告)日：2023-04-18
申请号：CN202211279083.3
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
Abstract: 本发明涉及一种电力现场作业场景检测方法、系统、设备和存储介质，其中方法包括以下步骤：收集若干不同类别的电力现场作业场景图像，对各电力现场作业场景图像进行标注；将标注后的电力现场作业场景图像放入训练样本集中；搭建YOLO模型，并在Neck网络中加入MCBAM注意力模块，得到改进YOLO模型；MCBAM注意力模块包括MB多尺度信息捕获模块、CAM通道注意力模块以及SAM空间注意力模块；MB多尺度信息捕获模块用于捕获输入图像的多尺度信息；CAM通道注意力模块用于进行通道注意力调整；SAM空间注意力模块用于进行空间注意力调整；利用训练样本集对改进YOLO模型进行训练，利用训练好的进行检测。
-
公开(公告)号：CN115359054A
公开(公告)日：2022-11-18
申请号：CN202211279084.8
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提出了一种基于伪缺陷空间生成的电力设备缺陷检测方法，以正常图片为素材人为伪造出局部的不规则性，生成一种伪缺陷图像类别，在对正常图像、缺陷图像、伪缺陷图像进行特征提取和分类网络的基础上，利用对比学习对特征空间区域解耦，对伪缺陷图像特征、正常图像特征、缺陷图像特征嵌入约束，增强难分样本中复杂背景的抗干扰能力，提高模型对于电力设备隐蔽缺陷的识别精度；利用电力设备缺陷模型预判得到分类损失并依据分类损失获取边缘伪缺陷样本，在进行若干次迭代训练后利用边缘伪缺陷样本引入弱监督缺陷遮盖策略进行训练，缓解过拟合，帮助模型突破训练瓶颈，获得最佳模型参数并固定，使用该电力设备缺陷检测模型对待检测图像进行检测。
-
公开(公告)号：CN115359360A
公开(公告)日：2022-11-18
申请号：CN202211279083.3
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
Abstract: 本发明涉及一种电力现场作业场景检测方法、系统、设备和存储介质，其中方法包括以下步骤：收集若干不同类别的电力现场作业场景图像，对各电力现场作业场景图像进行标注；将标注后的电力现场作业场景图像放入训练样本集中；搭建YOLO模型，并在Neck网络中加入MCBAM注意力模块，得到改进YOLO模型；MCBAM注意力模块包括MB多尺度信息捕获模块、CAM通道注意力模块以及SAM空间注意力模块；MB多尺度信息捕获模块用于捕获输入图像的多尺度信息；CAM通道注意力模块用于进行通道注意力调整；SAM空间注意力模块用于进行空间注意力调整；利用训练样本集对改进YOLO模型进行训练，利用训练好的进行检测。
-
Patent Agency Ranking
公开(公告)号：CN115359054B
公开(公告)日：2023-04-18
申请号：CN202211279084.8
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提出了一种基于伪缺陷空间生成的电力设备缺陷检测方法，以正常图片为素材人为伪造出局部的不规则性，生成一种伪缺陷图像类别，在对正常图像、缺陷图像、伪缺陷图像进行特征提取和分类网络的基础上，利用对比学习对特征空间区域解耦，对伪缺陷图像特征、正常图像特征、缺陷图像特征嵌入约束，增强难分样本中复杂背景的抗干扰能力，提高模型对于电力设备隐蔽缺陷的识别精度；利用电力设备缺陷模型预判得到分类损失并依据分类损失获取边缘伪缺陷样本，在进行若干次迭代训练后利用边缘伪缺陷样本引入弱监督缺陷遮盖策略进行训练，缓解过拟合，帮助模型突破训练瓶颈，获得最佳模型参数并固定，使用该电力设备缺陷检测模型对待检测图像进行检测。
-
公开(公告)号：CN115375600A
公开(公告)日：2022-11-22
申请号：CN202211288588.6
申请日：2022-10-20
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
Abstract: 本发明涉及一种基于自编码器的重构图像质量衡量方法，包括以下步骤：收集若干原始图像，生成原始图像集；构建包括编码器和解码器的自编码器网络；将原始图像集中的原始图像作为训练样本，输入至自编码器网络进行图像复现得到复现图像，并计算复现图像与对应原始图像之间的复现损失，基于复现损失对自编码器网络进行训练，完成自编码器网络的训练；取出训练好的自编码器网络中的编码器，作为特征提取器；获得重构图像集，将原始图像集和重构图像集分别输入至特征提取器中，分别获取原始图像集特征分布和重构图像集特征分布；计算原始图像集特征分布和重构图像集特征分布的Fréchet距离，根据Fréchet距离衡量重构图像集的数据质量。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.055 seconds)
