-
公开(公告)号：CN112419316A
公开(公告)日：2021-02-26
申请号：CN202011472397.6
申请日：2020-12-14
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 西北工业大学
Abstract: 本发明提供一种跨设备可见光纹理缺陷检测方法及装置，通过对待检测设备拍摄可见光图像，能够利用第一网络模型和第二网络模型识别该可见光图像中的实际纹理缺陷区域和缺陷类型。本发明在保证检测准确率的情况下，设计了一种能够跨设备进行的可见光纹理缺陷检测，具有更高的使用灵活性，降低了进行缺陷检测的代价。
-
公开(公告)号：CN115249313B
公开(公告)日：2025-04-08
申请号：CN202210959633.X
申请日：2022-08-11
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/0985
Abstract: 本发明提供了一种基于元模块融合增量学习的图像分类方法，获取待分类图片，形成待分类图片集，依次将分类图片集输入至增量分类神经网络VGG网络或ResNet，训练元模型；在元模型的分类器后添加修正器，利用保留数据训练修正器，训练门控选择层，实现对元模型的融合；确定对应的具体图像类别。本发明能够使网络在长期增量阶段时，延缓精度下降，能有效的改善动态扩展重表达方法中存在的弊端，显著改进了识别精度。解决了现有的增量学习中图像分类精度下降过快的算法问题。本发明能在保持精度较高的情况下，实现在内存规模，网络增长规模和计算速度等多个上面的优势。
-
公开(公告)号：CN113971777A
公开(公告)日：2022-01-25
申请号：CN202111240270.6
申请日：2021-10-25
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 西北工业大学
IPC: G06V20/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q10/00 , G06Q10/04 , G06Q50/06
Abstract: 本发明提供设备故障预测方法、装置及服务器，应用于电力系统技术领域，该方法首先获取目标设备在预设时间区间内多个采样时刻的设备图片集，然后提取各设备图片集中各目标谱段设备图片的目标参数的参考值，得到各采样时刻对应的参考数据集，进一步将各参考数据集输入预训练的数据预测模型，得到目标设备在多个预测时刻的预测数据集，最后将各预测数据集输入预训练的故障确定模型，得到目标设备的故障预测结果。本方法能够基于不同多个目标谱段的设备图片对目标设备进行故障预测，进而提前确定电力设备是否有可能发生故障，为运维人员采取针对性的运维措施提供参考依据，解决现有技术存在的问题。
-
公开(公告)号：CN115249313A
公开(公告)日：2022-10-28
申请号：CN202210959633.X
申请日：2022-08-11
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于元模块融合增量学习的图像分类方法，获取待分类图片，形成待分类图片集，依次将分类图片集输入至增量分类神经网络VGG网络或ResNet，训练元模型；在元模型的分类器后添加修正器，利用保留数据训练修正器，训练门控选择层，实现对元模型的融合；确定对应的具体图像类别。本发明能够使网络在长期增量阶段时，延缓精度下降，能有效的改善动态扩展重表达方法中存在的弊端，显著改进了识别精度，解决了现有的增量学习中图像分类精度下降过快的算法问题。本发明能在保持精度较高的情况下，实现在内存规模，网络增长规模和计算速度等多个上面的优势。
-
-
-
Search Results
4
records
(took 0.02 seconds)
