-
公开(公告)号:CN117271826A
公开(公告)日:2023-12-22
申请号:CN202311427827.6
申请日:2023-10-31
申请人: 中铁二十四局集团有限公司
IPC分类号: G06F16/583 , G06F16/58 , G06V20/62 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/042 , G06N3/0464
摘要: 本发明涉及关键信息提取技术领域,尤其是一种基于搜索的关键信息提取方法,由Transformer作为编码器和图网络作为解码器构成,在有键值对的情况下解决了相似字段问题;通过设计上下文视觉特征融合模块和空间布局感知模块使模型提取更丰富的视觉和位置特征;通过以待搜索字段为中心,R为半径定义图网络的邻接矩阵,使得模型更加关注待搜索字段附近的字段。本发明的优点是:使模型可提取更丰富的视觉和位置特征,进一步提高了模型的性能和鲁棒性;使得模型感知到输入的空间信息,提升了模型对空间结构化的感知能力;在一定程度上缓解了引语义相似导致模型难以分辨的问题。
-
公开(公告)号:CN117252860A
公开(公告)日:2023-12-19
申请号:CN202311427560.0
申请日:2023-10-31
申请人: 中铁二十四局集团有限公司
IPC分类号: G06T7/00 , G06T3/40 , G06V10/20 , G06V10/75 , G06V10/762 , G06V10/82 , G06N3/0442 , G06N3/08
摘要: 本发明涉及一种基于深度神经网络和锯齿点匹配的低应变波形图异常检测方法,利用OCR预训练模型、直线检测以及DB‑scan聚类算法得到预处理图像以及像素坐标系和真实长度坐标系的映射;通过锯齿点匹配、加速度滤波和一维线性插值得到波形序列数据;后将波形数据送入深度学习模型产生异常预测;后经过数据后处理进行数据的结果修正和格式转换。本发明的优点是:可以最大程度的利用先验知识有助于提高该方法的准确性;通过图像预处理确定波形图范围以及刻度轴数字信息,再压缩图像信息时,最大程度的保留了图像中的有效先验;使用基于锯齿点匹配的方法进行序列化,可以基本消除坐标轴、未擦除干净的文本、竖直虚线的影响,因此具有较强的鲁棒性。
-