-
公开(公告)号：CN113436216B
公开(公告)日：2024-03-05
申请号：CN202110770016.0
申请日：2021-07-06
Applicant: 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 , 武汉大学
Abstract: 本发明提供一种基于Canny算子的电气设备红外图像边缘检测方法，该方法通过对电气设备红外图像进行灰度化处理后获得灰度图像，对灰度图像进行Gamma变换获得增强后的图像，再对增强后的图像利用高斯滤波器进行平滑降噪获得平滑图像；在传统Canny算法基础上，本发明考虑0°、90°、45°和135°四个方向的梯度，计算平滑图像中每个像素的梯度幅值和梯度方向，获得梯度幅值图像，再根据计算得到的梯度幅值图像计算双阈值；并采用插值方式对梯度幅值进行非极大值抑制；最后根据双阈值选择和连接边缘。本发明相比现有方法去噪效果更好，能更准确的检测边缘信息，适用于电气设备红外图像的检测。
-
公开(公告)号：CN113436216A
公开(公告)日：2021-09-24
申请号：CN202110770016.0
申请日：2021-07-06
Applicant: 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 , 武汉大学
Abstract: 本发明提供一种基于Canny算子的电气设备红外图像边缘检测方法，该方法通过对电气设备红外图像进行灰度化处理后获得灰度图像，对灰度图像进行Gamma变换获得增强后的图像，再对增强后的图像利用高斯滤波器进行平滑降噪获得平滑图像；在传统Canny算法基础上，本发明考虑0°、90°、45°和135°四个方向的梯度，计算平滑图像中每个像素的梯度幅值和梯度方向，获得梯度幅值图像，再根据计算得到的梯度幅值图像计算双阈值；并采用插值方式对梯度幅值进行非极大值抑制；最后根据双阈值选择和连接边缘。本发明相比现有方法去噪效果更好，能更准确的检测边缘信息，适用于电气设备红外图像的检测。
-
公开(公告)号：CN113378989A
公开(公告)日：2021-09-10
申请号：CN202110763473.7
申请日：2021-07-06
Applicant: 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
Abstract: 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。
-
公开(公告)号：CN114241522B
公开(公告)日：2024-08-06
申请号：CN202111518309.6
申请日：2021-12-13
Applicant: 北京国网信通埃森哲信息技术有限公司 , 国网信息通信产业集团有限公司
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/09
Abstract: 本发明属于电力安全图像识别领域，公开了一种现场作业安全穿戴识别方法、系统、设备及存储介质，该方法包括：S1，获取电力现场历史作业的安全穿戴图像数据，并对所述安全穿戴图像进行目标框区域的标注；S2，对标注后的安全穿戴图像数据进行预处理；S3，对预处理后的安全穿戴图像数据进行特征提取，得到安全穿戴深度特征；S4，将所述安全穿戴深度特征输入预先构建的安全穿戴识别模型中，得到是否正确穿戴的概率预测以及目标定位信息。解决目前识别方法无法兼顾速度和精度、多重叠目标下穿戴特征难以提取的问题。
-
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
Applicant: 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
Abstract: 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。
-
Patent Agency Ranking
公开(公告)号：CN113449738B
公开(公告)日：2023-06-23
申请号：CN202110781567.7
申请日：2021-07-06
Applicant: 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 , 武汉大学
IPC: G06V10/32 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于样本特性的先验框参数自适应改进FRC检测方法。该方法在Faster RCNN算法的基础上，基于数据集样本的宽高比以及尺度，调节先验框的比例及尺度，使得先验框的大小接近原样本，进而提高Faster RCNN算法的准确率。本发明克服了现有的Faster RCNN算法不能充分利用数据集本身尺寸大小等先验知识的问题，在Faster RCNN算法的基础上，选择可变参数的先验框，根据数据集样本的宽高比和尺度，利用k‑means聚类算法选择合适的参数，调节先验框的比例及尺度，获得改进的FRC算法，解决数据集样本出现极大或极小以及宽高比悬殊的问题，提高Faster RCNN算法的目标检测精度。
-
公开(公告)号：CN114241522A
公开(公告)日：2022-03-25
申请号：CN202111518309.6
申请日：2021-12-13
Applicant: 北京国网信通埃森哲信息技术有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明属于电力安全图像识别领域，公开了一种现场作业安全穿戴识别方法、系统、设备及存储介质，该方法包括：S1，获取电力现场历史作业的安全穿戴图像数据，并对所述安全穿戴图像进行目标框区域的标注；S2，对标注后的安全穿戴图像数据进行预处理；S3，对预处理后的安全穿戴图像数据进行特征提取，得到安全穿戴深度特征；S4，将所述安全穿戴深度特征输入预先构建的安全穿戴识别模型中，得到是否正确穿戴的概率预测以及目标定位信息。解决目前识别方法无法兼顾速度和精度、多重叠目标下穿戴特征难以提取的问题。
-
公开(公告)号：CN113449738A
公开(公告)日：2021-09-28
申请号：CN202110781567.7
申请日：2021-07-06
Applicant: 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 , 武汉大学
Abstract: 本发明提供一种基于样本特性的先验框参数自适应改进FRC检测方法。该方法在Faster RCNN算法的基础上，基于数据集样本的宽高比以及尺度，调节先验框的比例及尺度，使得先验框的大小接近原样本，进而提高Faster RCNN算法的准确率。本发明克服了现有的Faster RCNN算法不能充分利用数据集本身尺寸大小等先验知识的问题，在Faster RCNN算法的基础上，选择可变参数的先验框，根据数据集样本的宽高比和尺度，利用k‑means聚类算法选择合适的参数，调节先验框的比例及尺度，获得改进的FRC算法，解决数据集样本出现极大或极小以及宽高比悬殊的问题，提高Faster RCNN算法的目标检测精度。
-
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
Applicant: 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: G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 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
Applicant: 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: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 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。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.084 seconds)
