一种基于BiHR-Net和YOLOv3-head的火焰检测方法及系统

    公开(公告)号:CN113743190B

    公开(公告)日:2023-12-22

    申请号:CN202110789523.9

    申请日:2021-07-13

    Abstract: 本发明公开了一种基于BiHR‑Net和YOLOv3‑head的火焰检测方法及系统,首先,构建火焰检测模型,模型中主干网络使用两次下采样的方式获得输入图像小分辨率特征,降低检测模型的参数量;然后提出了一种特征提取与特征融合的方法BiHR‑Net,对输入的特征图进行两次卷积后的特征图,进行上采样和下采样生成两个子路线获取额外的特征,并对在BiHR‑Net的最后对三个尺度的特征进行融合,达到提高检测的效果的目的;将BiHR‑Net获得的特征,输入YOLO‑head网络中进行预测和回归;最后,使用数据集对火焰检测模型进行训练,获得用于火焰检测的检测器。本发明的火焰检测速度达到112帧/s,可对火焰进行快速检测并预警,且模型具有较好的鲁棒性。

    一种基于深层神经网络的PM2.5的全覆盖预测方法

    公开(公告)号:CN116432850A

    公开(公告)日:2023-07-14

    申请号:CN202310423066.0

    申请日:2023-04-19

    Abstract: 本发明公开了一种基于深层神经网络的PM2.5的全覆盖预测方法,对预先获取的空气污染浓度、气象数据及土地利用数据进行预处理,并划分为训练数据和测试数据;构建深层神经网络预测模型STA‑ConvLSTM并对其进行训练;STA‑ConvLSTM以CNN网络作为底层,通过卷积提取网格数据的空间相关性;以堆叠多层具有时空记忆单元与空间记忆单元的STA‑LSTM作为预测模型的中间层,用于提取时间相关性和空间相关性的特征;最后一层使用CNN层结合STA‑LSTM单元提取的特征进行解码。本发明融合了多源异构的数据,考虑了更多的影响因素,并且考虑时空相关性、降低过拟合、避免梯度消失和梯度爆炸的问题,考虑区域的全覆盖预测的问题,使用时间注意力机制与空间注意力机制,提高了预测精度等优点。

    基于Gate-Mixup数据增强的知识蒸馏化工文本分类方法及装置

    公开(公告)号:CN115481249A

    公开(公告)日:2022-12-16

    申请号:CN202211156215.3

    申请日:2022-09-22

    Abstract: 本发明公开一种基于Gate‑Mixup数据增强的知识蒸馏化工文本分类方法及装置,首先同时对图神经网络教师模型以及Transformer学生模型进行初始训练;然后进行一阶段蒸馏训练,通过指标函数与门控单元对教师模型输出进行筛选,满足预设条件,则直接作为logits输入蒸馏损失函数指导学生模型,否则对文本表示进行数据增强,最后将输出残差叠加输入蒸馏损失函数指导学生模型训练;将教师模型与学生模型角色进行对调作为二阶段蒸馏训练,循环执行上述一阶段和二阶段蒸馏训练,最终获得蒸馏好的学生模型;实际应用时,将化工文本样本输入学生模型,获得预测输出文本类别。本发明通过构建的数据增强方法有效增强相互学习困难样本知识蒸馏效果,提升学生模型文本分类性能。

    一种基于多特征自适应增强的化学药品分类方法及系统

    公开(公告)号:CN115081439A

    公开(公告)日:2022-09-20

    申请号:CN202210778327.6

    申请日:2022-07-01

    Abstract: 本发明公开了一种基于多特征自适应增强的化学药品分类方法及系统,该方法在模型方面,首先使用Pos‑Embed模块对样本进行字编码和位置编码;再通过特征提取模块提取全局特征,对特定的化学药品特征,使用特征增强模块进行特征提取;最后,将特征提取模块和特征增强模块的结果进行融合;特征提取模块使用过程特征增强和过程特征交互,特征增强模块使用自适应特征个数的长短文本模块,两个过程特征模块和长短文本模型可以根据需要替换,有较高的自由度和灵活度;使用多个卷积来达到加速文本分类和更好的特征融合效果,使用Transformer的Attention机制和CNN相结合,弥补单纯使用CNN无法处理全局和长序列信息的缺点,可有效的兼顾全局性和局部性。

Patent Agency Ranking