公开(公告)号：CN114419014A

公开(公告)日：2022-04-29

申请号：CN202210083931.7

申请日：2022-01-19

Applicant: 河北工业大学

Inventor： 张军 ,  李妍 ,  张洋 ,  黄若飞 ,  李思敏 ,  付英健 ,  都旭 ,  曹慧博 ,  刘保辉 ,  李朝阳

IPC: G06T7/00 ,  G06T5/00 ,  G06V10/80 ,  G06V10/82 ,  G06V10/77 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明为基于特征重构的表面缺陷检测方法，首先利用缺陷生成器在正常图像上模拟生成缺陷图像；正常图像和缺陷图像分别输入到多尺度特征生成器中，分别提取正常图像对应的正常特征和缺陷图像对应的缺陷特征；然后，将缺陷特征作为自编码重构网络的输入，将正常特征作为自编码重构网络的重构目标，对缺陷特征进行重构，得到重构特征；最后，将缺陷特征和重构特征在通道维度上进行拼接，形成两通道的特征向量，拼接后的特征再输入到类孪生网络中，利用类孪生网络提取重构前后特征之间的差异进行缺陷检测，生成缺陷检测掩码图。该方法基于以正常特征为重构目标的特征重构网络，利用类孪生网络提取重构前后特征之间的差异，生成高质量的缺陷检测图像。

公开(公告)号：CN115080634B

公开(公告)日：2025-03-07

申请号：CN202210477690.4

申请日：2022-05-05

Applicant: 河北工业大学

Inventor： 张军 ,  付英健 ,  刘恩海 ,  任晓康 ,  于昊冉 ,  都旭 ,  曹慧博

IPC: G06F16/2458 ,  G06N3/045 ,  G01N33/00

Abstract: 本发明公开一种联合transformer注意力循环网络的网格化PM2.5浓度预测方法，该预测方法针对PM2.5浓度的空间关联和时间波动，将transformer里注意力引入到PredRNN中，提出了联合transformer注意力循环预测网络。核心单元MH‑LSTM中，不仅仅包含隐藏状态H、细胞状态C，还设计出了新的记忆状态M，增加网络中时空信息流信息提取。Transformer中注意力采用全局并行计算，能够处理更广泛的空间信息，捕捉全局空间相关性，应对PM2.5浓度在时间上出现的波动性，同时多头注意机制能够学习多重上下文信息，减小随机参数影响，增加时空序列PM2.5浓度图像预测的准确性。

公开(公告)号：CN115080634A

公开(公告)日：2022-09-20

申请号：CN202210477690.4

申请日：2022-05-05

Applicant: 河北工业大学

Inventor： 张军 ,  付英健 ,  刘恩海 ,  任晓康 ,  于昊冉 ,  都旭 ,  曹慧博

IPC: G06F16/2458 ,  G06N3/04 ,  G01N33/00

Abstract: 本发明公开一种联合transformer注意力循环网络的网格化PM2.5浓度预测方法，该预测方法针对PM2.5浓度的空间关联和时间波动，将transformer里注意力引入到PredRNN中，提出了联合transformer注意力循环预测网络。核心单元MH‑LSTM中，不仅仅包含隐藏状态H、细胞状态C，还设计出了新的记忆状态M，增加网络中时空信息流信息提取。Transformer中注意力采用全局并行计算，能够处理更广泛的空间信息，捕捉全局空间相关性，应对PM2.5浓度在时间上出现的波动性，同时多头注意机制能够学习多重上下文信息，减小随机参数影响，增加时空序列PM2.5浓度图像预测的准确性。

公开(公告)号：CN114419014B

公开(公告)日：2024-12-10

申请号：CN202210083931.7

申请日：2022-01-19

Applicant: 河北工业大学

Inventor： 张军 ,  李妍 ,  张洋 ,  黄若飞 ,  李思敏 ,  付英健 ,  都旭 ,  曹慧博 ,  刘保辉 ,  李朝阳

IPC: G06T7/00 ,  G06T5/70 ,  G06V10/80 ,  G06V10/82 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明为基于特征重构的表面缺陷检测方法，首先利用缺陷生成器在正常图像上模拟生成缺陷图像；正常图像和缺陷图像分别输入到多尺度特征生成器中，分别提取正常图像对应的正常特征和缺陷图像对应的缺陷特征；然后，将缺陷特征作为自编码重构网络的输入，将正常特征作为自编码重构网络的重构目标，对缺陷特征进行重构，得到重构特征；最后，将缺陷特征和重构特征在通道维度上进行拼接，形成两通道的特征向量，拼接后的特征再输入到类孪生网络中，利用类孪生网络提取重构前后特征之间的差异进行缺陷检测，生成缺陷检测掩码图。该方法基于以正常特征为重构目标的特征重构网络，利用类孪生网络提取重构前后特征之间的差异，生成高质量的缺陷检测图像。

公开(公告)号：CN116630113A

公开(公告)日：2023-08-22

申请号：CN202310601622.9

申请日：2023-05-26

Applicant: 河北工业大学

Inventor： 张军 ,  都旭 ,  石陆魁 ,  李朝阳 ,  刘保辉 ,  曹慧博 ,  张智铭 ,  刘森亮 ,  孟彤

IPC: G06Q50/26 ,  G01N15/06 ,  G06F17/11 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于SCC‑RCE预测单元的预测网络及网格化PM2.5浓度预测方法，本发明设计的预测网络融合空间浓度变化捕捉模块和区域关联性增强模块，能更好的提取出时空序列数据间的关联性，利用不同区域PM2.5浓度变化的相互作用和相互影响辅助模型的预测，可以有效增强模型对全局空间上下文的表示能力。本发明预测方法采用该预测网络实现，能充分捕捉PM2.5在局部区域丰富的空间浓度变化信息，同时增强不同区域PM2.5浓度变化之间的关联性，进而提升PM2.5浓度的预测精度。同时，将PM2.5的历史空间浓度变化考虑到未来时刻PM2.5浓度的预测过程中，当PM2.5浓度在短期内发生剧烈波动时，本发明预测方法能够更快的感受到这种变化，进而提升PM2.5的浓度预测精度。

公开(公告)号：CN116543225A

公开(公告)日：2023-08-04

申请号：CN202310567528.6

申请日：2023-05-19

Applicant: 河北工业大学

Inventor： 张军 ,  李朝阳 ,  石陆魁 ,  都旭 ,  曹慧博 ,  刘保辉 ,  张智铭

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明为一种基于孪生网络对比学习的图像隐写分析方法，以SiaStegNet网络为基本框架构建隐写分析模型，隐写分析模型包括两个并行的子网络和一个分类器，待分析图像平分为左、右两张子图像输入到两个子网络中，子网络从子图像中提取特征向量，两个子网络提取的特征向量在分类器中进行分类，判断待分析图像是否为隐写图像；子网络包括预处理和特征提取两个阶段，在特征提取阶段利用残差注意传递模块帮助残差特征从浅层网络完整地传入深层网络，并赋予残差特征不同的通道权重，促使网络更加关注隐写信息所在的通道；在模型训练过程中，利用原型对比损失辅助交叉熵损失拟合网络，使隐写信息更加容易区分于图像中的其他高频信息，增强网络的表征能力，提高检测和分类的准确性。