-
公开(公告)号：CN111598004A
公开(公告)日：2020-08-28
申请号：CN202010420131.0
申请日：2020-05-18
申请人： 北京星闪世图科技有限公司 , 李峥嵘 , 沈春华
摘要： 本发明公开了一种渐进增强自学习的无监督跨领域行人再识别方法，该方法首先是在有标签原始域数据集上训练得到的网络模型上提取无标签目标域数据集的初始特征，计算相似度得分矩阵，利用HDBSCAN聚类给予目标域数据伪类标，并利用基于Triplet损失函数进行模型重训，随后使用基于Softmax损失函数在带有聚类中心特征初始化分类层的网络模型上再次进行重训，两阶段交替循环学习，相互修正，最后提取网络模型的判别特征作为图片的特征表征，进行特征层面的比对。采用本发明提供的方法能够逐渐增强网络模型的收敛能力及高模型的信息表征能力，进而能够提高网络模型在无标签目标域数据上的泛化能力，从而能够提高无监督跨领域行人再识别精度。
-
公开(公告)号：CN115471487A
公开(公告)日：2022-12-13
申请号：CN202211202473.0
申请日：2022-09-29
申请人： 北京星闪世图科技有限公司
IPC分类号： G06T7/00 , G06V10/764 , G06V10/26 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种绝缘子缺陷检测模型构建及绝缘子缺陷检测方法、装置，其中，绝缘子缺陷检测模型构建方法包括：获取待检测绝缘子检测数据集；利用待检测绝缘子检测数据集对第一预设网络模型进行训练直至满足第一预设训练条件，得到绝缘子识别模型；获取由多个具有缺陷的绝缘子图像组成的绝缘子缺陷数据集；利用绝缘子缺陷数据集对第二预设网络模型进行训练直至满足第二预设训练条件，得到绝缘子分割模型，绝缘子分割模型用于对绝缘子缺陷进行定位检测；将绝缘子识别模型与绝缘子分割模型进行融合，得到绝缘子缺陷检测模型。本发明通过增加自然场景绝缘子的多样性来训练多级网络模型，提高检测模型的识别准确率。
-
公开(公告)号：CN107590260B
公开(公告)日：2020-02-18
申请号：CN201710860170.0
申请日：2017-09-21
申请人： 北京星闪世图科技有限公司
发明人： 李峥嵘
IPC分类号： G06F16/2453 , G06F16/25 , G06F16/22
摘要： 本发明提供了一种点云数据实时检索方法及其系统，它解决了现有技术对海量的的检索效率低等问题。包括以下步骤：S1：把地图划分成若干具有唯一ID字符串的小栅格，且越相邻的小栅格的ID字符串具有越多的公共前缀字符；S2：利用步骤S1中小栅格的ID字符串生成规则把Hadoop集群的点云数据导入至HBase数据库中；S3：基于检索条件采用HBase Endpoint机制的空间数据检索方法在Hbase Region Server中进行并行检索。本发明具有以下优点：使地图上临近的点保存在HBase数据库相近的区域，有效提高检索效率。
-
公开(公告)号：CN107679126A
公开(公告)日：2018-02-09
申请号：CN201710859327.8
申请日：2017-09-21
申请人： 北京星闪世图科技有限公司
发明人： 李峥嵘
IPC分类号： G06F17/30
摘要： 本发明提供了一种激光三维点云数据存储和管理方法及其系统，它解决了现有技术对海量的点云数据处理效率不够高等问题。包括以下步骤：S1：接收客户端发出的点云数据导入请求后将点云数据导入客户端；S2：从客户端读取点云数据，并将该点云数据写入Hadoop HDFS分布式文件系统；S3：按照地理位置将点云数据基于Map Reduce进行数据划分。本发明具有以下优点：利用了Hadoop对海量点云数据进行存储，提高点云数据的存储效果和处理效率。
-
公开(公告)号：CN115457017A
公开(公告)日：2022-12-09
申请号：CN202211198963.8
申请日：2022-09-29
申请人： 北京星闪世图科技有限公司
摘要： 本发明提供了一种导线缺陷检测方法、装置、计算机设备及存储介质，其中，导线缺陷检测方法包括：获取包含有导线的待检测图像；将待检测图像输入预先训练好的导线检测模型，对待检测图像中的导线进行识别和定位，输出导线所在的目标区域图像对应的二值化图像；对二值化图像进行特征提取；将提取到的特征与预设导线图像特征进行比较；若比较结果不一致则判定待检测图像中的导线存在缺陷。本发明可解决现有的输电导线缺陷检测方法出现误检、漏检风险较大的技术问题。
-
公开(公告)号：CN107515952A
公开(公告)日：2017-12-26
申请号：CN201710859626.1
申请日：2017-09-21
申请人： 北京星闪世图科技有限公司
发明人： 李峥嵘
IPC分类号： G06F17/30
CPC分类号： G06F17/30097 , G06F17/30109 , G06F17/302 , G06F17/30241
摘要： 本发明提供了一种点云数据存储、并行计算和实时检索的方法及其系统，它解决了现有技术对海量的点云数据处理不够精准等问题。包括以下步骤：S1：数据存储，包括从客户端读取点云数据并将点云数据写入Hadoop HDFS分布式文件系统中；S2：数据并行计算，包括通过数据划分模块将点云数据按照地理位置划分为若干子区域数据后将每个子区域数据传入Hadoop集群的计算节点以对点云数据进行信息抽取；S3：数据实时检索，包括把Hadoop集群的点云数据导入至HBase数据库中，并基于检索条件采用HBase Endpoint机制的空间数据检索方法在Hbase Region Server中进行并行检索。本发明具有以下优点：采用Hadoop架构对海量点云数据进行处理，实现基于地理位置的数据分割和并行处理等目的。
-
公开(公告)号：CN112383137A
公开(公告)日：2021-02-19
申请号：CN202011075079.6
申请日：2020-10-09
申请人： 北京星闪世图科技有限公司
摘要： 本发明公开了一种基于机器视觉和热成像技术的变压器台区监控系统和方法，所述系统包括：相机模块，用于采集变压器台区中的被检测目标的视频数据；红外热成像模块，用于采集变压器台区中的被检测目标的热成像画面数据；DMP模块，用于采集变压器台区监控系统所在位置的三轴加速度、三轴角速度和方位信息；核心控制模块，用于利用视频数据、热成像画面数据、三轴加速度、三轴角速度和\或方位信息对被检测目标进行识别，获取被检测目标的异常信息，并利用神经网络对异常信息进行深度学习以对非突发性故障进行提前预测。本发明的系统和方法可实现变压器台区多种故障的自动化检测及预测，同时可通过自主学习提高系统的检测准确率。
-
公开(公告)号：CN112365399A
公开(公告)日：2021-02-12
申请号：CN202011074143.9
申请日：2020-10-09
申请人： 北京星闪世图科技有限公司
摘要： 本发明公开了一种基于深度学习的风机叶片图像全景拼接方法和系统，所述方法包括：构建卷积神经网络；利用预先获取的大量风机叶片图片进行位置标注，生成训练标签；利用所述训练标签对所述卷积神经网络进行训练，获得经训练的卷积神经网络模型；将待拼接的原始风机叶片图片输入所述经训练的卷积神经网络模型，获得所述原始风机叶片图片的位置关系数据并对所述原始风机叶片图片进行拼接。该风机叶片图像全景拼接方法和系统使用深度学习卷积神经网络，能够在图像信息量较少及关键点较少的情况下完成自动化拼图，实现风力发电机叶片的全景拼接，方便后续定位风力发电机叶片上的缺陷位置。
-
公开(公告)号：CN112364884A
公开(公告)日：2021-02-12
申请号：CN202011074095.3
申请日：2020-10-09
申请人： 北京星闪世图科技有限公司
摘要： 本发明涉及一种移动物体侦测的方法，包括：S1：根据移动侦测算法获取待测图像中正在移动的目标，得到第一目标图像；S2：对第一目标图像进行滤波处理，得到滤波图像；S3：对滤波图像进行背景相似度过滤处理，得到第二目标图像；S4：根据目标锐利边缘的长度对第二目标图像进行过滤处理，得到第三目标图像；S5：将第三目标图像输入至训练完成的分类器中，输出图像分类结果。本发明的移动物体侦测的方法，通过传统方法与深度学习相结合，能够在很大程度上识别真实目标，有效解决室内情况下由于地板砖反光、户外环境下由于树叶与其他物品产生的阴影导致的入侵检测误报问题。
-
公开(公告)号：CN107679127A
公开(公告)日：2018-02-09
申请号：CN201710860187.6
申请日：2017-09-21
申请人： 北京星闪世图科技有限公司
发明人： 李峥嵘
IPC分类号： G06F17/30
CPC分类号： G06F16/16 , G06F16/182
摘要： 本发明提供了一种基于地理位置的点云信息并行提取方法及其系统，它解决了现有技术中对海量点云数据处理效率不够高等问题。包括以下步骤：S1：通过基于地理位置的数据划分模块对Hadoop HDFS分布式文件系统中的点云数据进行数据划分处理得到基于地理位置划分的子区域数据文件；S2：将每个子区域数据文件传入一个Hadoop集群的计算节点进行信息抽取；S3：通过通信模块分发不同编程语言的代码到Hadoop集群的计算节点用于信息提取。本发明具有以下优点：能够提高数据处理效率，并且实现了多种程序语言对Hadoop集群数据的访问等。
-
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.035 秒)
