-
公开(公告)号：CN119721340A
公开(公告)日：2025-03-28
申请号：CN202411771778.2
申请日：2024-12-04
Applicant: 国家电网有限公司西北分部 , 西安交通大学
Abstract: 本发明公开了一种新能源电网极端净负荷事件的预测方法及相关装置，预测方法包括：获取新能源电网历史净负荷数据；对新能源电网历史净负荷数据进行标幺化处理；对标幺化处理后的数据进行p值分析，判断不同年份的净负荷数据是否具有相关性；将具有相关性不同年份之间的净负荷减去阈值，得到差值；通过广义帕累托分布对差值进行拟合，计算出百年一遇的净负荷量。本发明通过广义帕累托分布对标幺化后的净负荷数据进行拟合，可以有效捕捉负荷的尾部行为，从而精确识别极端净负荷风险。
-
公开(公告)号：CN112488229A
公开(公告)日：2021-03-12
申请号：CN202011440101.2
申请日：2020-12-10
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于特征分离和对齐的域自适应无监督目标检测方法，包括以下步骤：将成对的源域和目标域RGB样本输入到两阶段的目标检测框架中，通过源域的标签计算检测损失，训练目标检测框架，获得学习好的目标检测模型；其中，在训练过程中，将多级别的高维特征进行对齐；对每组的区域实例特征进行对齐；将所述成对的源域和目标域RGB样本灰度化并进行特征分离，分离出与检测有关的高维特征及与检测无关的扰乱特征。本发明提供了一种基于特征分离和对齐的无监督域自适应目标检测方法，可有效地解决域自适应目标检测中背景信息噪声和候选区域冗余问题。
-
公开(公告)号：CN116824321A
公开(公告)日：2023-09-29
申请号：CN202310795467.9
申请日：2023-06-30
Applicant: 西安交通大学
IPC: G06V10/80 , G06V10/774 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种下游任务增强的记忆强化深度展开多模态图像融合方法，包括以下步骤：采集红外图像和可见光图像，划分训练集与测试集；建立优化目标并求解，得到迭代公式；利用神经网络代替迭代公式中的近端算子，得到神经网络结构；将训练集送入到神经网络中，得到融合图片，根据融合图片、红外图像与可见光图像计算总损失；根据总损失更新神经网络的参数，得到更新后的神经网络；将测试集的红外图像与可见光图像输入到更新后的神经网络中，得到融合图像。本发明使融合后的图像具有易于被下游任务网络区分的特征，并且能够融合数据集上实现了最佳性能，同时兼顾了性能和可解释性，并且具有合理性和适用性。
-
公开(公告)号：CN109785253B
公开(公告)日：2021-01-19
申请号：CN201811595590.1
申请日：2018-12-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于增强反投影的全色锐化后处理方法，包括：对全色锐化处理获得的融合结果进行增强处理；通过直方图匹配技术调整融合结果的光谱信息；通过高通调制技术提升融合结果的空间分辨率；对增强处理后的融合结果进行重构误差反投影；包括：以成像模型为基础计算低分辨率下的重构误差；将重构误差反投影给融合结果以调整空间分辨率和光谱信息；直到重建误差足够小为止，并在最后输出反投影阶段的结果，即为后处理后的结果。本发明可应用于全色锐化的后处理当中，能在保持光谱图像光谱信息的同时极大提升融合结果的空间分辨率。
-
公开(公告)号：CN109785253A
公开(公告)日：2019-05-21
申请号：CN201811595590.1
申请日：2018-12-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于增强反投影的全色锐化后处理方法，包括：对全色锐化处理获得的融合结果进行增强处理；通过直方图匹配技术调整融合结果的光谱信息；通过高通调制技术提升融合结果的空间分辨率；对增强处理后的融合结果进行重构误差反投影；包括：以成像模型为基础计算低分辨率下的重构误差；将重构误差反投影给融合结果以调整空间分辨率和光谱信息；直到重建误差足够小为止，并在最后输出反投影阶段的结果，即为后处理后的结果。本发明可应用于全色锐化的后处理当中，能在保持光谱图像光谱信息的同时极大提升融合结果的空间分辨率。
-
Patent Agency Ranking
公开(公告)号：CN110245587A
公开(公告)日：2019-09-17
申请号：CN201910457619.8
申请日：2019-05-29
Applicant: 西安交通大学
Abstract: 本发明提供的一种基于贝叶斯迁移学习的光学遥感图像目标检测方法，使用了费希尔信息矩阵来表征源数据集上预训练的目标检测子中包含的知识，并利用该费希尔信息矩阵构造了目标检测子的目标函数，在训练过程中，该项将参与目标数据集上目标检测子的学习，使之在一定程度上保留已经学习到的知识，提高了检测精度；与现有其他光学遥感图像目标检测算法相比，本发明在没有引入额外待学习参数的前提下，有效提升了光学遥感图像目标检测的精度；能够高效、准确地辅助人类判读，节省人力。
-
公开(公告)号：CN112488229B
公开(公告)日：2024-04-05
申请号：CN202011440101.2
申请日：2020-12-10
Applicant: 西安交通大学
IPC: G06V10/774 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/25
Abstract: 本发明公开了一种基于特征分离和对齐的域自适应无监督目标检测方法，包括以下步骤：将成对的源域和目标域RGB样本输入到两阶段的目标检测框架中，通过源域的标签计算检测损失，训练目标检测框架，获得学习好的目标检测模型；其中，在训练过程中，将多级别的高维特征进行对齐；对每组的区域实例特征进行对齐；将所述成对的源域和目标域RGB样本灰度化并进行特征分离，分离出与检测有关的高维特征及与检测无关的扰乱特征。本发明提供了一种基于特征分离和对齐的无监督域自适应目标检测方法，可有效地解决域自适应目标检测中背景信息噪声和候选区域冗余问题。
-
公开(公告)号：CN110245587B
公开(公告)日：2021-08-13
申请号：CN201910457619.8
申请日：2019-05-29
Applicant: 西安交通大学
Abstract: 本发明提供的一种基于贝叶斯迁移学习的光学遥感图像目标检测方法，使用了费希尔信息矩阵来表征源数据集上预训练的目标检测子中包含的知识，并利用该费希尔信息矩阵构造了目标检测子的目标函数，在训练过程中，该项将参与目标数据集上目标检测子的学习，使之在一定程度上保留已经学习到的知识，提高了检测精度；与现有其他光学遥感图像目标检测算法相比，本发明在没有引入额外待学习参数的前提下，有效提升了光学遥感图像目标检测的精度；能够高效、准确地辅助人类判读，节省人力。
-
公开(公告)号：CN110276269B
公开(公告)日：2021-06-29
申请号：CN201910457637.6
申请日：2019-05-29
Applicant: 西安交通大学
Abstract: 本发明提供的一种基于注意力机制的遥感图像目标检测方法，包括以下步骤：步骤1，对数据集进行增强处理，得到增强后的数据集；步骤2，构建基于注意力机制的目标检测模型，并通过步骤1中得到的增强后的数据集训练该目标检测模型，直至达到相应的停止条件；本发明的增强处理技术能够更好的利用有限的高分辨率遥感图像中的目标信息，能够辅助模型更准确的识别出遥感图像中具有多种旋转角度的目标；同时，构建的基于注意力机制的目标检测模型能够有效的利用遥感图像的上下文信息，使模型能够利用其它位置的信息辅助当前位置目标的识别；进而使得本发明能够大大提高目标检测的识别精度与定位准确度。
-
公开(公告)号：CN110276269A
公开(公告)日：2019-09-24
申请号：CN201910457637.6
申请日：2019-05-29
Applicant: 西安交通大学
Abstract: 本发明提供的一种基于注意力机制的遥感图像目标检测方法，包括以下步骤：步骤1，对数据集进行增强处理，得到增强后的数据集；步骤2，构建基于注意力机制的目标检测模型，并通过步骤1中得到的增强后的数据集训练该目标检测模型，直至达到相应的停止条件；本发明的增强处理技术能够更好的利用有限的高分辨率遥感图像中的目标信息，能够辅助模型更准确的识别出遥感图像中具有多种旋转角度的目标；同时，构建的基于注意力机制的目标检测模型能够有效的利用遥感图像的上下文信息，使模型能够利用其它位置的信息辅助当前位置目标的识别；进而使得本发明能够大大提高目标检测的识别精度与定位准确度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.063 seconds)
