-
公开(公告)号:CN114998673B
公开(公告)日:2023-10-13
申请号:CN202210513592.1
申请日:2022-05-11
申请人: 河海大学 , 华能澜沧江水电股份有限公司
IPC分类号: G06V10/774 , G06V10/82 , G06N3/047 , G06N3/0442 , G06N3/049 , G06N3/08
摘要: 本发明公开一种基于本地自注意力机制的大坝缺陷时序图像描述方法,对输入大坝缺陷时序图像进行帧采样,使用卷积神经网络提取特征序列,并将该序列作为自注意力编码器的输入;编码器由基于可变自注意力机制的Transformer网络构成,能够动态建立每一帧的上下文特征关系;采用基于本地注意力机制的LSTM网络生成描述文本,使得预测的每一个单词都能与图像帧建立特征关系,建立图像和文本的上下文依赖以提高文本生成的准确率。本发明在计算图像帧的全局自注意力的基础上添加了动态机制,避免了过大的参数量导致模型收敛缓慢。添加本地注意力的LSTM网络能够直接建立图像和文本两个模态数据之间的对应关系,使得生成的描述文本更准确,包含的信息更全面。
-
公开(公告)号:CN115457006B
公开(公告)日:2023-08-22
申请号:CN202211164829.6
申请日:2022-09-23
申请人: 华能澜沧江水电股份有限公司 , 河海大学 , 华能集团技术创新中心有限公司
IPC分类号: G06T7/00 , G06V10/764 , G06V10/82 , G06V20/17 , G06V10/74 , G06N3/0464 , G06N3/045 , G06N3/096 , G06N3/098
摘要: 本发明公开一种基于相似一致性自蒸馏的无人机巡检缺陷分类方法及装置,设计了一个自蒸馏缺陷图像分类模型,采用自蒸馏训练策略压缩模型以便于在小型应用设备上实现高精度图像分类工作,该模型主要分为两部分:基于相似一致性知识构建和相似一致性知识传递。基于相似一致性知识构建部分通过计算Mini‑batch内实例间的相关关系,得到相似矩阵。相似一致性知识传递部分则在自蒸馏缺陷图像分类模型层间传递相似矩阵,细化底层次相似性,捕获丰富的上下文场景和局部特征信息。本发明针对图像分类模型容量大且复杂,无法在小型无人载具设备上使用的问题,设计了自蒸馏模型,提高缺陷图像的分类效率和精度。
-
公开(公告)号:CN118154973A
公开(公告)日:2024-06-07
申请号:CN202410360720.2
申请日:2024-03-27
申请人: 华能澜沧江水电股份有限公司 , 河海大学
IPC分类号: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/74 , G06V10/82 , G06V10/80 , G06V10/44 , G06N3/045 , G06N3/084
摘要: 本公开公开一种基于分层特征融合网络的小样本分类检测方法,包括:采用不同深度的网络作为特征提取器,并构建关系得分作为样本类别相似性度量单位,实现高精度、高效率的小样本图像分类工作。该模型首先采集不同层次的样本特征信息,并利用特征融合方法获得基于不同深度的样本特征信息载体。然后将融合特征通过特征空间凝聚成原型点,提高分类工作的效率。最后通过构建可学习的相似性度量方式,对样本不同类别之间的信息进行学习,获得预测结果。相较于当前技术中对小样本学习过程中丢弃浅层特征和追求深度特征带来的样本信息利用不充分问题,通过本公开方案生成的小样本图像分类模型,提高了图像的分类准确率和效率。
-
公开(公告)号:CN116738366A
公开(公告)日:2023-09-12
申请号:CN202310719377.1
申请日:2023-06-16
申请人: 河海大学 , 华能澜沧江水电股份有限公司
IPC分类号: G06F18/25 , G06N7/01 , G06F16/36 , G06N3/045 , G06N3/0475 , G06N3/08 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06F40/30 , G06F40/253 , G06F40/205
摘要: 本发明公开一种基于特征融合的大坝应急事件因果关系识别方法及系统,对大坝安全运行日志数据和大坝应急响应记录信息进行事件标记;采用BERT对事件触发词信息进行嵌入,输出事件语境特征;使用对抗生成式的图表示方法学习事理图谱中的事件因果关系,扩充事件的因果语义特征;构建事件间的语法依赖路径,学习表达因果关系的语法依赖关系;对语境、语义、语法的特征信息进行拼接融合。本发明将语境、语义、语法三重特征信息进行融合,在大坝发生渗漏、裂缝等异常事件时,可以帮助快速准确地识别事件间存在的因果关系,提高工作人员对事态的判断和决策能力,从而更好地制定应急预案和预测可能出现的问题。
-
公开(公告)号:CN108846199B
公开(公告)日:2019-04-05
申请号:CN201810598142.0
申请日:2018-06-12
申请人: 华能澜沧江水电股份有限公司 , 河海大学 , 华能集团技术创新中心有限公司
IPC分类号: G06F17/50
摘要: 本发明公开了一种基于时空一体化的特高拱坝变形时空序列预测方法,包括以下步骤:大坝传感器在监测数据时,实测数据中时常带有随机误差项,假设时空过程分解为两部分:确定性时空变化和去除确定趋势后的小规模误差随机变化并且去除确定趋势后的小规模误差随机变化的期望为零。应用简单BP神经网络拟合整体时空趋势;在去除整体时空趋势后得到残差项,对残差项进行线性无偏估计,选用时空克里格方法拟合局部时空趋势;引入门限循环神经网络对大坝各测点时间序列进行预测,预测出相关测点变形值,将门限循环神经网络预测出的变形值与BP神经网络预测出的变形值进行对比,如果门限网络的预测值更加精确,那么将预测后的顺河向位移数据作为训练数据优化BP网络。
-
公开(公告)号:CN105005822A
公开(公告)日:2015-10-28
申请号:CN201510361844.3
申请日:2015-06-26
申请人: 华能澜沧江水电股份有限公司 , 河海大学
摘要: 本发明公开了一种基于最优步长与模型动态选择的特高拱坝响应预测方法包括:数据预处理,确定数据中的错误值与缺失值;使用最优化步长和插值法预测数据,根据绝对误差选择最优插值模型,即最优参数包括:步长和插值方法,使用最优步长的样本数据和最优的插值方法,对待预测的反应特高拱坝工作性态的应力值进行预测;使用小波神经网络方法预测数据,将原始数据分为训练样本和测试样本,选定输入层的节点个数和迭代次数,用训练样本对小波神经网络进行训练,然后用训练好的小波神经网络预测测试样本;对实验得到的预测结果进行分析,用于对此次最优化步长和插值方法的应力预测模型和基于小波神经网络的应力预测结果进行评估,确定应力安全阈值。
-
公开(公告)号:CN116738366B
公开(公告)日:2024-07-16
申请号:CN202310719377.1
申请日:2023-06-16
申请人: 河海大学 , 华能澜沧江水电股份有限公司
IPC分类号: G06F18/25 , G06N7/01 , G06F16/36 , G06N3/045 , G06N3/0475 , G06N3/08 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06F40/30 , G06F40/253 , G06F40/205
摘要: 本发明公开一种基于特征融合的大坝应急事件因果关系识别方法及系统,对大坝安全运行日志数据和大坝应急响应记录信息进行事件标记;采用BERT对事件触发词信息进行嵌入,输出事件语境特征;使用对抗生成式的图表示方法学习事理图谱中的事件因果关系,扩充事件的因果语义特征;构建事件间的语法依赖路径,学习表达因果关系的语法依赖关系;对语境、语义、语法的特征信息进行拼接融合。本发明将语境、语义、语法三重特征信息进行融合,在大坝发生渗漏、裂缝等异常事件时,可以帮助快速准确地识别事件间存在的因果关系,提高工作人员对事态的判断和决策能力,从而更好地制定应急预案和预测可能出现的问题。
-
公开(公告)号:CN114898121B
公开(公告)日:2023-05-30
申请号:CN202210664943.9
申请日:2022-06-13
申请人: 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
IPC分类号: G06V10/46 , G06V10/42 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于图注意力网络的混凝土坝缺陷图像描述自动生成方法,包括以下步骤:1)利用多层卷积神经网络提取缺陷图像的局部网格特征和整幅图像特征,进行图像编码;2)构建网格特征交互图,对缺陷图像的网格视觉特征和全局图像特征进行融合编码;3)通过图注意力网络更新优化全局和局部特征,充分利用改进的视觉特征进行缺陷描述。本发明构建网格特征交互图,并利用图注意力网络更新节点信息,将特征提取任务作为图节点分类任务实现,不会增加计算开销,同时提高了性能。本发明可以捕捉缺陷图像的全局图像信息,并捕获局部网格特征的潜在交互,加深了对缺陷图像内容的理解,生成的描述文本能够准确并连贯地描述缺陷信息。
-
公开(公告)号:CN114998673A
公开(公告)日:2022-09-02
申请号:CN202210513592.1
申请日:2022-05-11
申请人: 河海大学 , 华能澜沧江水电股份有限公司
IPC分类号: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 本发明公开一种基于本地自注意力机制的大坝缺陷时序图像描述方法,对输入大坝缺陷时序图像进行帧采样,使用卷积神经网络提取特征序列,并将该序列作为自注意力编码器的输入;编码器由基于可变自注意力机制的Transformer网络构成,能够动态建立每一帧的上下文特征关系;采用基于本地注意力机制的LSTM网络生成描述文本,使得预测的每一个单词都能与图像帧建立特征关系,建立图像和文本的上下文依赖以提高文本生成的准确率。本发明在计算图像帧的全局自注意力的基础上添加了动态机制,避免了过大的参数量导致模型收敛缓慢。添加本地注意力的LSTM网络能够直接建立图像和文本两个模态数据之间的对应关系,使得生成的描述文本更准确,包含的信息更全面。
-
公开(公告)号:CN113139571A
公开(公告)日:2021-07-20
申请号:CN202110255306.1
申请日:2021-03-09
申请人: 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
IPC分类号: G06K9/62
摘要: 本发明公开了一种基于时空多视图融合的大坝安全监测数据补全方法,包括,根据大坝安全监测数据的特点,在全局空间视图、全局时间视图、局部空间视图、局部时间视图上分别抽象出视图模型;将四个模型利用lasso回归进行融合,产生时空多视图融合模型;利用时空多视图融合模型生成补全数据。在时空特征强相关的情况下,该方法可以很好的解决大坝安全监测数据中存在的块状缺失和局部缺失等问题,且经过在真实大坝安全监测数据上验证,该方法比以往经典算法和传统时空模型具有更小的误差和更好的补全效果。
-
-
-
-
-
-
-
-
-