-
公开(公告)号:CN109840270A
公开(公告)日:2019-06-04
申请号:CN201811576889.2
申请日:2018-12-23
申请人: 国网浙江省电力有限公司 , 西安交通大学 , 国网安徽省电力有限公司电力科学研究院 , 南瑞集团有限公司
摘要: 本发明实施例提出了一种基于Neo4j的电网设备信息管理方法,包括获取知识图谱的输入内容,从输入内容中抽取知识单元;根据资源描述框架对已抽取到的知识单元进行语义描述,确定在低维空间中对高效计算实体之间的复杂语义关联;对得到的复杂语义关联内容进行以Neo4j数据模型为基础的数据库建模,根据建立的模型确定电网设备之间的拓扑关系。通过Neo4j进行设备信息管理能够保证数据的完整性,兼顾电网的拓扑特性,解决使用关系型数据库进行电网设备信息管理出现的并发读写性能不高、模型属性增减不灵活以及拓扑分析性能低下等问题,提高电网设备信息检索和提取效率。
-
公开(公告)号:CN110209713A
公开(公告)日:2019-09-06
申请号:CN201910565855.1
申请日:2019-06-26
申请人: 国家电网有限公司 , 国网安徽省电力有限公司电力科学研究院 , 国网浙江省电力有限公司信息通信分公司
IPC分类号: G06F16/2458 , G06Q10/00 , G06Q50/06
摘要: 本发明提供一种异常网架结构识别方法及装置,涉及电力传输技术领域。方法包括:获取待识别网架数据,待识别网架数据包括多个网架结构的运维数据;将多个网架结构的运维数据输入网架识别模型,得到识别结果,识别结果包括如下中的至少一种信息:各个网架结构之间的关联关系、每个网架结构中各个电力设备之间的层级关系、以及每个网架结构中各个电力设备所记录的运维数据;根据识别结果中的至少一种信息,确定多个待识别网架中的异常网架结构。通过根据由网架识别模型输出的识别结果确定待识别网架中是否存在异常网架结构,无需通过人工手动对各个网架结构的网架数据进行梳理,减少了确定异常网架结构所花费的时间,提高了确定异常网架结构的效率。
-
公开(公告)号:CN109087334B
公开(公告)日:2020-06-30
申请号:CN201810635733.0
申请日:2018-06-20
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 南瑞集团有限公司
IPC分类号: G06T7/246
摘要: 本发明提供了基于显著语境稀疏表示的目标追踪方法,属于图像处理领域,包括提取样本图像的特征映射,分别对中心区域和边缘区域的特征映射,将得到的特征映射进行融合处理;对融合后的图像进行稀疏处理,基于处理后的图像进行遮挡求解,对待测视频中的两个连续帧进行建模,基于已建立的模型进行遮挡判断,当判断出现遮挡时,使用前述内容计算当前帧的可视显著性映射,在得到的显著性图中与每个目标模板进行比较,选取权重最高的目标模板作为追踪结果。通过将目标对象被提取为一个显著特征映射,用稀疏表示和显著的语境校正部分遮挡和突然运动的目标,本方法计算简单,提升了目标追踪的有效性和准确性,抗干扰能力也大大提高。
-
公开(公告)号:CN109087334A
公开(公告)日:2018-12-25
申请号:CN201810635733.0
申请日:2018-06-20
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 南瑞集团有限公司
IPC分类号: G06T7/246
摘要: 本发明提供了基于显著语境稀疏表示的目标追踪方法,属于图像处理领域,包括提取样本图像的特征映射,分别对中心区域和边缘区域的特征映射,将得到的特征映射进行融合处理;对融合后的图像进行稀疏处理,基于处理后的图像进行遮挡求解,对待测视频中的两个连续帧进行建模,基于已建立的模型进行遮挡判断,当判断出现遮挡时,使用前述内容计算当前帧的可视显著性映射,在得到的显著性图中与每个目标模板进行比较,选取权重最高的目标模板作为追踪结果。通过将目标对象被提取为一个显著特征映射,用稀疏表示和显著的语境校正部分遮挡和突然运动的目标,本方法计算简单,提升了目标追踪的有效性和准确性,抗干扰能力也大大提高。
-
公开(公告)号:CN109492358A
公开(公告)日:2019-03-19
申请号:CN201811118944.3
申请日:2018-09-25
申请人: 国网浙江省电力有限公司信息通信分公司 , 国网信息通信产业集团有限公司 , 国网山东省电力公司信息通信公司 , 西安交通大学 , 南京理工大学
发明人: 高灵超 , 葛华利 , 董爱强 , 吴嘉生 , 刘立威 , 许传波 , 王小平 , 余仰淇 , 陈坤 , 靖稳峰 , 李继红 , 陈建 , 秦俊宁 , 卜京 , 王志强 , 江樱 , 孔文杰 , 卢文达 , 周洋 , 戴波 , 王红凯 , 王剑 , 白万建 , 李东 , 王勇 , 刘范范 , 汤琳琳 , 郭刚 , 张福华 , 郭健
CPC分类号: G06F21/31 , H04L63/08 , H04L63/101
摘要: 本发明涉及一种开放接口统一认证方法,方法如下:接口调用方在发起接口调用请求前,接口调用方从认证服务器读取随机数用于数字签名;接口调用方将携带签名信息向接口提供方请求调用;接口提供方在接收到调用请求后,将接收到的签名信息和接口提供方的IP地址一并发送至认证服务器;认证服务器校验接口调用方的签名信息和接口提供方的IP地址之间是否有访问权限;若认证服务器认证有访问权限则将认证服务器接收到的信息发送至签名服务器;签名服务器在接收到信息后,验证接口调用方的签名信息的有效性并将验证结果反馈给认证服务器;认证服务器将反馈的验证结果反馈给接口提供方。本发明提高了安全性且操作方便,提高了认证效率。
-
公开(公告)号:CN116664450A
公开(公告)日:2023-08-29
申请号:CN202310922672.7
申请日:2023-07-26
摘要: 本发明公开基于扩散模型的图像增强方法、装置、设备及存储介质,方法包括:获取待增强的目标图像与图像增强指令,编码得到编码特征图和文本编码;将编码特征图和文本编码输入到预先训练好的目标图像增强网络中;按照预设噪声添加规则和预设步数,逐步向编码特征图中添加高斯噪声,得到服从高斯分布的目标噪声图像,并确定每一步添加高斯噪声后的结果图像中的预测噪声;基于交叉注意力机制,对目标噪声图像中与文本编码对应的区域进行图像增强,得到加噪增强图像;按照预设噪声去除规则和预设步数,逐步从加噪增强图像中去除每一步的预测噪声,得到去噪后图像;对去噪后图像进行解码,得到增强后图像。本发明有效地提高了对特征缺失较多的图像的增强效果。
-
公开(公告)号:CN112702600B
公开(公告)日:2022-04-12
申请号:CN202011591927.9
申请日:2020-12-29
申请人: 南京大学 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司
IPC分类号: H04N19/124 , H04N19/13 , H04N19/149 , H04N19/30 , G06N3/04 , G06T9/00
摘要: 本发明公开一种图像编解码神经网络分层定点化方法。该方法的步骤如下:(1)选取合适的静态图像训练集及测试集建立并训练端到端的图像编解码网络;(2)对所述图像编解码网络的参数和激活值进行定点化,其中,对于网络不同层的参数和激活值采用不同的定点化比特数,并对需要进行浮点运算的激活函数进行简化;(3)重新训练经步骤(2)定点化后的图像编解码网络;(4)将训练后的图像编解码网络的输出数据,经过量化和无损熵编码输出作为压缩数据。本发明的方法通过对不同的网络层采用不同的量化系数,优化了定点化效果。
-
公开(公告)号:CN109086306A
公开(公告)日:2018-12-25
申请号:CN201810649233.2
申请日:2018-06-22
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司
IPC分类号: G06F17/30
摘要: 本发明涉及原子事件标签的提取方法,尤其涉及基于混合隐马尔可夫模型的原子事件标签的提取方法,包括以下步骤:预处理:获取训练语料库中的原子事件标签;对每个单词添加词性标签;对每个单词添加相应位置标签;将原子事件标签、词性标签和相应位置标签映射到一个隐藏状态序列中;将词性标签和相应位置标签映射到一个观测状态序列中;模型训练:建立二阶HMM模型;提取阶段:根据最优观测状态序列提取原子事件标签。通过使用本发明,可以实现以下效果:对词性和单词的相应位置进行考虑,提取准确度高;考虑到隐藏状态序列中的前后隐藏状态之间的关系,提高了提取的准确度;在原子事件标签提取之后进行检测和纠错,提高了提取的准确度。
-
公开(公告)号:CN108830151A
公开(公告)日:2018-11-16
申请号:CN201810426435.0
申请日:2018-05-07
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司
IPC分类号: G06K9/00
摘要: 本发明涉及计算机视觉技术领域,尤其涉及一种基于高斯混合模型的面具检测方法,包括以下步骤:根据人脸图像样本建立高斯混合模型;从视频流中筛选含有人脸的关键帧,并从关键帧中提取人脸特征;将关键帧中提取的人脸特征送入高斯混合模型进行匹配,根据匹配结果判断关键帧中的人脸是否佩戴面具。通过使用本发明,可以实现以下效果:采用高斯混合模型将人脸图库进行分类,能有效地分辨真实人脸和面具;采用三次关键帧筛选,去除冗余帧,减少运算,提高检测效率。
-
公开(公告)号:CN108596274A
公开(公告)日:2018-09-28
申请号:CN201810438711.5
申请日:2018-05-09
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司
摘要: 本发明提供了基于卷积神经网络的图像分类方法,属于图像处理领域,包括建立训练集,基于训练集对卷积神经网络模型进行训练,得到训练后的卷积神经网络模型;基于训练后的卷积神经网络模型提取样本图像的图像特征向量,将图像特征向量输入至广义回归神经网络进行处理,根据处理结果完成对样本图像的分类。通过在CNN可以从图像中提取特征的同时,利用广义回归神经网络的强大的函数逼近来识别图像,加强CNN的分类和处理能力,可以利用该方法学习图像多层高维特征,对图像进行高效快速地识别,提高了识别精度和泛化能力。
-
-
-
-
-
-
-
-
-