一种基于变分生成对抗网络的个体处理效应评估方法

    公开(公告)号:CN114239744B

    公开(公告)日:2024-07-02

    申请号:CN202111576827.3

    申请日:2021-12-21

    IPC分类号: G06F18/214 G06N3/094

    摘要: 本发明公开了一种基于变分生成对抗网络的个体处理效应评估方法,采用变分自编码器推断观测特征的隐表示,来获取完整的潜在因素,设计生成对抗网络推断反事实结果并指导变分自编码器更好地解耦潜在因素为工具因素,混淆因素以及调整因素,同时引入了一种自适应加权的方法基于解耦的混淆因素进一步控制数据偏差。本发明基于变分自编码器与生成对抗网络设计协同学习策略,提出变分生成对抗网络模型来估计个体处理效应,与现有方法相比,提高了个体处理效应评估的准确率。

    一种基于证据深度学习的无锚框表面缺陷可信检测方法

    公开(公告)号:CN117974634B

    公开(公告)日:2024-06-04

    申请号:CN202410361714.9

    申请日:2024-03-28

    摘要: 本发明属于基于计算机视觉的缺陷检测领域,公开了一种基于证据深度学习的无锚框表面缺陷可信检测方法,包括:获取缺陷样本训练数据集;构建基于证据深度学习的无锚框表面缺陷可信检测模型;使用所提出的不确定性自适应加权损失训练模型;获取缺陷样本测试数据集;将测试图像输入已训练的模型中,分别预测缺陷中心证据热力图、缺陷尺寸热力图和离散化误差热力图;使用D‑S理论对缺陷中心证据热力图局部峰值点进行可信融合,结合尺寸和离散化误差来生成最终结果。本发明使用证据深度学习方法建模不确定性,有效缓解现代深度网络过度自信的问题,降低高端装备核心零部件表面缺陷检测时漏检或误检风险。

    一种基于扩散模型的变电站光缆图智能解析方法、装置及存储介质

    公开(公告)号:CN118037710A

    公开(公告)日:2024-05-14

    申请号:CN202410325056.8

    申请日:2024-03-21

    摘要: 本发明提出一种基于扩散模型的变电站光缆图智能解析方法、装置及存储介质,包括:对待识别的变电站光缆图进行预处理,获得处理后的图纸;标注处理后的图纸数据,构建训练集、验证集和测试集;构建图元检测模型,使用基于Swin transformer和EFPN网络的主干网络,并在解码器中加入CBAM注意力机制;训练集训练构建的图元检测模型,验证集进行最佳模型选择,得到训练后的图元检测模型;将测试集的图纸输入训练好的图元检测模型和字符识别模型;将图元检测结果和字符识别结果进行匹配,输出最终结果。采用在扩散模型基础上进一步修改DiffusionDet网络结构的目标检测方法,并提出融合拓扑匹配和聚类分析的配对算法,使得变电站光缆图的解析工作更加智能高效且具有较好的可迁移性。