-
公开(公告)号：CN118643470B
公开(公告)日：2024-11-26
申请号：CN202411120027.4
申请日：2024-08-15
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06F18/25 , G06N3/0455 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种电力垂直领域的多模态大模型训练优化方法及装置，涉及电力行业垂域大模型训练技术领域。本发明将剪枝方法注入多模态大模型完成电力垂直领域业务场景的训练，解决大模型训练时权重参数量大、显存要求高、训练时间长和计算资源要求高等问题，通过低秩微调方法对剪枝后的多模态大模型进行微调训练，对剪枝导致的模型精度损失进行补偿，既可以压缩模型大小，使其更适合训练和部署，又能保持大模型强大的泛化能力，得到易于部署的电力领域多模态大模型。
-
Patent Agency Ranking
公开(公告)号：CN118643470A
公开(公告)日：2024-09-13
申请号：CN202411120027.4
申请日：2024-08-15
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06F18/25 , G06N3/0455 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种电力垂直领域的多模态大模型训练优化方法及装置，涉及电力行业垂域大模型训练技术领域。本发明将剪枝方法注入多模态大模型完成电力垂直领域业务场景的训练，解决大模型训练时权重参数量大、显存要求高、训练时间长和计算资源要求高等问题，通过低秩微调方法对剪枝后的多模态大模型进行微调训练，对剪枝导致的模型精度损失进行补偿，既可以压缩模型大小，使其更适合训练和部署，又能保持大模型强大的泛化能力，得到易于部署的电力领域多模态大模型。
-
公开(公告)号：CN119783041A
公开(公告)日：2025-04-08
申请号：CN202510264696.7
申请日：2025-03-07
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06F18/25 , G06F18/211 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/0442 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于多模态信息融合的小样本学习数据扩充方法及系统，涉及机器学习技术领域，方法包括：获取电力作业环境中的多模态数据构建多模态信息数据集，从多模态信息数据集中提取环境特征和设备状态特征构建多模态特征集；对多模态特征集进行预处理，对预处理后的多模态特征进行加权融合生成多模态特征向量；构建多模态数据扩充模型，并生成虚拟样本，对虚拟样本进行验证和融合，扩充多模态信息数据集；采用数据平衡策略对扩充后的数据集进行平衡，实时获取电力作业数据，通过在线学习机制对所述多模态数据扩充模型进行定期更新。该方法通过结合电力作业环境的传感器数据和图像数据，能够全面提取多种特征，极大丰富了数据集的多样性。
-
公开(公告)号：CN119557716A
公开(公告)日：2025-03-04
申请号：CN202510122297.7
申请日：2025-01-26
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06V10/72 , G06F16/36 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N5/04 , G06N5/02
Abstract: 本发明涉及数据处理领域，具体涉及一种用于电力设备缺陷检测的方法及相关产品，方法包括：获取电力设备的缺陷图像数据和文本数据，并对图像数据和文本数据进行预处理，构建电力设备关联知识图谱，通过交叉注意力机制将视觉检测特征与知识图谱特征融合，生成多模态联合特征；基于多模态联合特征对LLaVA模型的微调，获得缺陷检测模型；获取实时图像，输入缺陷检测模型，完成电力设备缺陷检测；本发明通过多模态数据融合技术，充分利用电力设备的视觉数据、文本数据及关联知识图谱，解决了传统单一数据源检测方法在复杂场景下的不足。
-
公开(公告)号：CN119832204A
公开(公告)日：2025-04-15
申请号：CN202411889640.2
申请日：2024-12-20
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06V10/22 , G06V10/25 , G06V10/764
Abstract: 本发明公开了一种基于计算机视觉的变电站指针型表计读数方法及系统，该方法包括：获取变电站指针型表计图像；对所述变电站指针型表计图像中的表计进行基本信息人工标定及配置，得到变电站指针型表计配置信息；所述变电站指针型表计配置信息包括表计类型、N组刻度射线、M个需读数指针以及F组读数需求信息；根据所述变电站指针型表计配置信息，基于批梯度下降算法优化目标检测模型，对所述变电站指针型表计图像进行智能检测与角度映射，得到读数值。本发明提高了读数的通用性、精度，并降低了对图像质量的要求。
-
公开(公告)号：CN119557817A
公开(公告)日：2025-03-04
申请号：CN202510125530.7
申请日：2025-01-27
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06F18/2433 , G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/44 , G06F16/334
Abstract: 本发明公开了一种基于正负样本融合的端到端异常检测方法、系统及介质；涉及异常检测技术领域；本方案在传统充检测技术基础上进行方法上的改进，充分利用了正负样本的优势，提高异常检测的准确率和召回率；通过构建生成异常数据集、真实异常数据集和真实异常图文描述对，对应构建出训练集A、训练集B和训练集C，以训练集A、训练集B和训练集C分阶段训练所述端到端异常检测网络；确保端到端异常检测网络能够有效学习到异常的特征，并减少误报。
-
-
-
-
-
Search Results
6
records
(took 0.048 seconds)
