-
公开(公告)号:CN118570243A
公开(公告)日:2024-08-30
申请号:CN202411059696.5
申请日:2024-08-05
申请人: 国网天津市电力公司城东供电分公司 , 国网天津市电力公司 , 国家电网有限公司 , 天津大学
摘要: 本发明涉及基于边缘有效跳变区域分级统计的彩色图像简约量化方法。算法首先对输入彩图像的RGB三个通道分别进行边缘检测,对每个边缘点测算其八邻域跳变范围,将该范围内所有颜色等级的统计值增加1,得到各颜色通道边缘有效跳变区域统计图;然后,选取统计图最大值对应的颜色等级作为最佳量化阈值,计算每个阈值所能区分的边缘点,并评估图像边缘信息保留程度;随后,剔除已区分的边缘点,重新统计剩余边缘有效跳变区域统计图,直至达到预设的阈值个数或边缘信息保留程度;最后,根据得到的阈值对图像进行量化处理,得到简约量化图像。本发明方法可实现极低量化等级条件下最大程度地保留原图的细节信息,可广泛用于图像增强和高比率压缩任务。
-
公开(公告)号:CN117787143B
公开(公告)日:2024-06-21
申请号:CN202410199654.5
申请日:2024-02-23
申请人: 国网天津市电力公司城东供电分公司 , 国网天津市电力公司 , 国家电网有限公司
发明人: 韩斌 , 于瀚深 , 曾明 , 张志刚 , 李治 , 赵风松 , 魏然 , 吴东 , 刘广振 , 张军 , 郝春晓 , 张钊 , 刘超 , 宋光举 , 张丽娜 , 刘伟 , 赵长伟 , 马跃 , 田猛 , 钟舒桐
IPC分类号: G06F30/28 , G06F30/27 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06T17/00 , G06V10/74 , G06F113/08 , G06F119/08 , G06F119/14
摘要: 本公开涉及计算机视觉技术领域,尤其涉及一种变电站毒害气体的气流分布场重构方法及系统、电子设备,所述方法包括,基于仿真技术获取变电站毒害气体的气流场二维分布热力图;对所述气流场二维分布热力图进行部分遮挡处理,获取稀疏采样的气流场分布图像;基于非完整编码器以及解码器,构建深度估计网络;基于所述稀疏采样的气流场分布图像和所述深度估计网络,重构变电站毒害气体的气流分布场图像。本公开采用少量的采样数据(50%至80%)便能够准确预测出完整的数据,对于变电站毒害气场的快速分布预测、毒气寻源具有重要意义。
-
公开(公告)号:CN117787143A
公开(公告)日:2024-03-29
申请号:CN202410199654.5
申请日:2024-02-23
申请人: 国网天津市电力公司城东供电分公司 , 国网天津市电力公司 , 国家电网有限公司
发明人: 韩斌 , 于瀚深 , 曾明 , 张志刚 , 李治 , 赵风松 , 魏然 , 吴东 , 刘广振 , 张军 , 郝春晓 , 张钊 , 刘超 , 宋光举 , 张丽娜 , 刘伟 , 赵长伟 , 马跃 , 田猛 , 钟舒桐
IPC分类号: G06F30/28 , G06F30/27 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06T17/00 , G06V10/74 , G06F113/08 , G06F119/08 , G06F119/14
摘要: 本公开涉及计算机视觉技术领域,尤其涉及一种变电站毒害气体的气流分布场重构方法及系统、电子设备,所述方法包括,基于仿真技术获取变电站毒害气体的气流场二维分布热力图;对所述气流场二维分布热力图进行部分遮挡处理,获取稀疏采样的气流场分布图像;基于非完整编码器以及解码器,构建深度估计网络;基于所述稀疏采样的气流场分布图像和所述深度估计网络,重构变电站毒害气体的气流分布场图像。本公开采用少量的采样数据(50%至80%)便能够准确预测出完整的数据,对于变电站毒害气场的快速分布预测、毒气寻源具有重要意义。
-
公开(公告)号:CN117911323A
公开(公告)日:2024-04-19
申请号:CN202311698971.3
申请日:2023-12-12
申请人: 国网天津市电力公司 , 国家电网有限公司 , 国网天津市电力公司城东供电分公司
IPC分类号: G06T7/00 , G06T5/50 , G06V10/766 , G06V10/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/088 , G06V10/82
摘要: 本发明涉及一种基于域适应和无监督技术融合的工业仪表检测方法,包括以下步骤:步骤1、构建由生成图像组成的源域数据集和真实拍摄图像组成的目标域数据集;步骤2、搭建目标检测网络;步骤3、得到边界框回归的置信度和整体输出置信度;步骤4、训练步骤2中的目标检测网络;步骤5、同时利用源域数据和目标域数据在步骤4得到的目标检测网络上进行域适应训练,选取置信度最高的目标域样本和源域样本进行拼接得到拼接后的图像及其伪标签;步骤6、计算步骤5中拼接后的预测结果与其伪标签之间的一致性损失;步骤7、计算网络的总体损失;步骤8、利用模型进行推理,获得工业仪表的检测结果。本发明能够对工业仪表进行准确的定位和分类。
-
-
-