-
公开(公告)号：CN116842295A
公开(公告)日：2023-10-03
申请号：CN202310810368.3
申请日：2023-07-04
申请人： 上海交通大学
IPC分类号： G06F16/958 , G06F16/951 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于扩散模型的前端界面生成方法、系统、介质及终端，包括：获取图片训练数据；对所述图片训练数据进行预处理，得到对应的文字训练数据；根据所述图片训练数据和文字训练数据，对扩散模型进行训练，得到第一扩散模型，并通过所述第一扩散模型生成前端图片初稿和前端线框图初稿；通过分割模型将所述前端图片初稿和所述前端线框图初稿进行融合，得到组合后的前端图片；根据所述第一扩散模型将所述组合后的前端图片进一步融合训练，得到最终的前端界面。本发明使用互联网爬取并标注的网页图片作为训练数据，微调了原模型，在前端生成的任务上表现更为优异。
-
公开(公告)号：CN114463316A
公开(公告)日：2022-05-10
申请号：CN202210129535.3
申请日：2022-02-11
申请人： 上海交通大学
IPC分类号： G06T7/00 , G06V10/74 , G06V10/774 , G06V10/764 , G06K9/62 , G06N20/00 , G06Q10/06
摘要： 本发明提供了一种面向工业质检冷启动的缺陷检测方法和系统，包括：步骤1：在工业质检项目前期，通过正样本学习法构建前期检测模型，实现冷启动；步骤2：在工业质检项目中期，通过少样本学习算法，实现在数据局限下的检测；步骤3：在工业质检项目后期，通过全监督质检算法，实现更高精度的检测。本发明通过使用3段式地工业质检流程，实现工业质检多阶段逐步启动以及快速上线，解决了工业质检项目上线周期长的问题。
-
-
公开(公告)号：CN111127454A
公开(公告)日：2020-05-08
申请号：CN201911376015.7
申请日：2019-12-27
申请人： 上海交通大学
摘要： 本发明提供了一种基于深度学习生成工业缺陷样本的方法及系统，包括：步骤1：采集工业缺陷产品图片，并在工业缺陷产品图片上标注缺陷信息；步骤2：构建对抗生成深度模型；步骤3：根据标注的缺陷信息，在抗生成深度模型中进行对抗训练；步骤4：训练获得缺陷样本；步骤5：对缺陷样本进行筛选，剔除不符合预设的缺陷样本，得到工业缺陷样本。本发明所生成的工业缺陷图片互相关性弱，缺陷特征突出，且具有较高的精细结构质量；本发明所生成的工业缺陷图片质量较高，能够显著提升依据其所训练的深度缺陷检测网络的性能指标。
-
公开(公告)号：CN114708174A
公开(公告)日：2022-07-05
申请号：CN202210259804.8
申请日：2022-03-16
申请人： 上海交通大学
IPC分类号： G06T5/50 , G06K9/62 , G06V10/80 , G06V10/774
摘要： 本发明提供了一种基于自监督结构的点云超频采样方法及系统，包括：点云嵌入步骤：根据激光雷达采集到的初始点云序列中相邻的两帧点云数据，得到对应的粗糙中间帧点云；特征聚合步骤：对粗糙中间帧点云的局部几何分布进行重构，得到预测中间帧点云；训练步骤：根据预测中间帧点云和自监督方法进行训练，得到点云超频采样模型。与现有技术相比，本发明以激光雷达获取的低帧率点云序列中的相邻两帧点云为输入，首先生成粗糙中间帧，然后恢复局部几何特征，并在自监督结构下进行不需要真值监督的训练，最终得到将低帧率点云序列插帧后的高帧率点云序列，提升了多传感器信息融合的效率。
-
公开(公告)号：CN114612619A
公开(公告)日：2022-06-10
申请号：CN202210259822.6
申请日：2022-03-16
申请人： 上海交通大学
摘要： 本发明提供了一种基于点云补全技术的三维点云重建方法及系统，包括：多尺度特征提取步骤：对采集到的待重建点云信息进行多尺度特征提取，得到多尺度特征向量；多尺度特征重构步骤：将多尺度特征向量进行特征重构，得到预测缺失部分点云；训练步骤：根据预测缺失部分点云和联和损失函数进行训练，进行三维点云重建。与现有技术相比，本发明通过迭代最远点采样和卷积神经网络提取输入分布的多尺度特征信息，并通过自底向上的方式逐级预测不完整点云样本的缺失部分，最终实现对目标物体的高精度重建。
-
公开(公告)号：CN114529523A
公开(公告)日：2022-05-24
申请号：CN202210143237.X
申请日：2022-02-16
申请人： 上海交通大学
摘要： 本发明提供了一种基于不确定度的工业缺陷程度推断方法及系统，包括：步骤1：根据工业产品的原始图像数据，得到训练图像数据；步骤2：根据卷积神经网络模型和全卷积神经网络，构建待训练检测模型；步骤3：使用训练图像数据对待训练检测模型进行训练，得到已训练检测模型；步骤4：根据已训练检测模型输出的不确定度数值推断工业产品的工业缺陷程度。与现有技术相比，本发明使用不确定度推断当前工业产品的缺陷程度，避免了工业质检指标过于单一，对质量粗糙离散分类，标注质量较差样本影响模型性能等问题。
-
公开(公告)号：CN113297804B
公开(公告)日：2022-02-25
申请号：CN202110706976.0
申请日：2021-06-24
申请人： 上海交通大学
摘要： 本发明提供了一种基于U‑Transformer多层次特征重构的异常检测方法及系统，包括如下步骤：模型建立步骤：建立U‑Transformer模型；推断步骤：通过U‑Transformer模型对样本进行异常检测。本发明完全使用正常样本进行训练，提取多尺度的特征信息，并通过从局部到整体的多层次特征重构的方式进行异常检测；在有部分异常样本参与训练的时候，U‑Transformer模型的异常检测能力将会得到进一步的提升，有利于提高特征重构的异常检测的效果。
-
公开(公告)号：CN111259333A
公开(公告)日：2020-06-09
申请号：CN202010035688.2
申请日：2020-01-14
申请人： 上海交通大学
摘要： 本发明提供了一种分布式电力经济调度问题下的发电商报量优化方法，下层电力调度算法得到市场出清价格，上层报量优化方法更新优化发电商i的报量：发电商从SCADA系统采集机组参数信息以得到成本函数系数；各变量初始化后，每个发电商按照固定步长减少发电量报量，记录下层分布式电力调度算法得到的收敛的最新市场出清价格，并计算自身每一轮的利润；发电商根据利润变化，判断是否应该转变当前报量策略，并在上层更新报量，以最大化收益。发电商轮流更新和同时更新报量情况下，经迭代过程后所有发电商报量都将收敛到纳什均衡附近。本发明解决了分布式电力系统优化和调度领域中发电商的竞价问题，提供了在不完全信息环境下的优化报量方法。
-
公开(公告)号：CN109759588A
公开(公告)日：2019-05-17
申请号：CN201910163795.0
申请日：2019-03-05
申请人： 上海汉邦联航激光科技有限公司 , 上海交通大学
摘要： 本发明提供了一种大型双金属零件快速增材制造方法，方法的流程主要包括：分别使用选区激光熔化成型技术和等离子弧增材制造技术打印零件的最外层和内部结构，当选区激光熔化成型打印好当前循环中的最外层结构后，使用内置吸粉器吸掉最外层轮廓以内的金属粉末，然后用等离子弧增材制造打印填充内部结构，不断循环直至完成零件打印。与现有技术相比，本发明的有益效果在于：(1)具有较快速打印大型复杂形状零件的能力；(2)具有较快速打印大型表面精度要求较高的零件的能力；(3)具有打印最外层与内部材料不同的多材料零件的能力。
-
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.046 秒)
