-
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
申请人: 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分类号: G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 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
申请人: 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分类号: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 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
申请人: 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
摘要: 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
申请人: 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分类号: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
摘要: 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:CN115359054B
公开(公告)日:2023-04-18
申请号:CN202211279084.8
申请日:2022-10-19
申请人: 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分类号: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
摘要: 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
申请人: 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
摘要: 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:CN115359360A
公开(公告)日:2022-11-18
申请号:CN202211279083.3
申请日:2022-10-19
申请人: 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
摘要: 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:CN109002933B
公开(公告)日:2022-06-14
申请号:CN201810997313.7
申请日:2018-08-29
申请人: 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 , 李强
摘要: 本发明提供一种基于ReliefF和t‑SNE的配电线路线变关系模型优化方法,所述方法首先采集配电线路的日输入电量和与其挂接的各变压器日用电量,进而得到日线损电量,其次由配电线路输入电量与变压器用电量的关系计算输入‑用电电量差值比,由配电线路线损电量与变压器用电量的关系计算线损‑用电电量差值比,各自形成序列并分别进行小波包分解与重构,计算各频带内能量占总能量的百分比作为初选特征,然后利用ReliefF算法计算各初选特征的权值,进行特征优化后,采用t‑SNE方法将高维特征降维成低维特征,最后利用BP神经网络完成线变关系模型的优化。该方法能减轻人工现场勘查的工作量,通过挑选关键特征,降低特征维度,实现线变关系模型的优化。
-
公开(公告)号:CN113343974B
公开(公告)日:2022-10-11
申请号:CN202110770185.4
申请日:2021-07-06
申请人: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 武汉大学 , 国网信息通信产业集团有限公司
IPC分类号: G06V10/22 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 本发明提供一种考虑模态间语义距离度量的多模态融合分类优化方法。针对模态信息融合中构建统一语义下的特征子空间存在的融合效果不稳定、改善作用比较有限的问题,本发明基于改进的CBAM注意力机制进行自适应特征细化,采用横向结构,聚合空间及通道维度上的有效信息,进行局部语义特征加强;在此基础上,构建基于模态间语义距离的语义逼进模型,引入对模态间语义一致性判断的显式度量,减小相同语义特征对之间的分布距离,同时扩大不同语义特征对之间的分布距离;最终结合考虑模型分类性能目标与模型语义逼近目标,进行多模态信息下的线性融合,从而使模型更好地搜寻到公共特征子空间,提高多模态融合模型诊断的效能。
-
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
申请人: 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
摘要: 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。
-
-
-
-
-
-
-
-
-