-
公开(公告)号：CN110260914A
公开(公告)日：2019-09-20
申请号：CN201910371947.6
申请日：2019-05-06
Applicant: 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
Abstract: 本发明公开了一种基于测点时空特征的工程安全监测系统区域划分方法，包括测点时空特征表示和区域划分两个阶段；在测点时空特征表示阶段：采用一种时序降噪自动编码器，压缩高维监测数据表增测点时序特征，通过归一化方法表示测点空间特征(坐标位置信息、测点属性等)。在区域划分阶段：采用一种基于测点时空特征的区域划分方法，引入辅助目标变量优化区域划分目标函数，使区域划分结果反映结构体运行物理规律，将全局安全评判问题分治到局部单域上。本发明通过分析测点监测数据变化规律，实现对大坝运行工况综合评判，为工程安全分析提供决策依据。
-
公开(公告)号：CN108764312A
公开(公告)日：2018-11-06
申请号：CN201810475284.8
申请日：2018-05-17
Applicant: 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
Abstract: 本发明公开一种基于DS优化多指标大坝缺陷图像检测方法，包括以下步骤：1)多指标缺陷检测，通过对比分析历史正常图像特征量参数(平均信息熵、平均信噪比、平均梯度均值对比度以及平均灰度方差偏移量)和测试图像特征量的差异来判断是否存在缺陷，这一阶段重点是每个指标阈值的设置。2)基于DS优化的融合决策，采用优化的DS算法组合四个指标的检测结果，输出最终检测结果。一般的DS证据理论对于不确定情况下证据间的高冲突问题无法很好地解决，很容易造成决策准确度降低甚至决策错误，为了减小证据冲突，改进的DS证据理论算法通过引入自适应权重定义各指标证据的效度，并修正证据概率函数分配，最终得到更加准确的缺陷检测效果。
-
公开(公告)号：CN110260914B
公开(公告)日：2020-06-19
申请号：CN201910371947.6
申请日：2019-05-06
Applicant: 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
Abstract: 本发明公开了一种基于测点时空特征的工程安全监测系统区域划分方法，包括测点时空特征表示和区域划分两个阶段；在测点时空特征表示阶段：采用一种时序降噪自动编码器，压缩高维监测数据表增测点时序特征，通过归一化方法表示测点空间特征(坐标位置信息、测点属性等)。在区域划分阶段：采用一种基于测点时空特征的区域划分方法，引入辅助目标变量优化区域划分目标函数，使区域划分结果反映结构体运行物理规律，将全局安全评判问题分治到局部单域上。本发明通过分析测点监测数据变化规律，实现对大坝运行工况综合评判，为工程安全分析提供决策依据。
-
公开(公告)号：CN108921201B
公开(公告)日：2019-06-28
申请号：CN201810598156.2
申请日：2018-06-12
Applicant: 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
Abstract: 本发明公开了一种基于特征组合与CNN的大坝缺陷识别与分类方法，包括以下步骤：1)分别提取图像的LBP特征和GABOR特征图，然后基于特征向量余弦特征组合两种特征得到LG组合特征；2)将LG组合特征作为深度学习模型CNN的输入，通过逐层训练神经网络，提取更高层次的特征，根据此特征训练出CNN分类器；3)将测试样本提取LG特征后输入到训练好的CNN分类器中，分类识别出最后的缺陷类别。
-
公开(公告)号：CN108921201A
公开(公告)日：2018-11-30
申请号：CN201810598156.2
申请日：2018-06-12
Applicant: 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
CPC classification number: G06K9/6247 , G06K9/4604 , G06K9/4671 , G06K9/6267 , G06K2009/4666 , G06N3/084
Abstract: 本发明公开了一种基于特征组合与CNN的大坝缺陷识别与分类方法，包括以下步骤：1)分别提取图像的LBP特征和GABOR特征图，然后基于特征向量余弦特征组合两种特征得到LG组合特征；2)将LG组合特征作为深度学习模型CNN的输入，通过逐层训练神经网络，提取更高层次的特征，根据此特征训练出CNN分类器；3)将测试样本提取LG特征后输入到训练好的CNN分类器中，分类识别出最后的缺陷类别。
-
Patent Agency Ranking
公开(公告)号：CN110211097B
公开(公告)日：2021-06-08
申请号：CN201910398515.4
申请日：2019-05-14
Applicant: 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
Abstract: 本发明公开了一种基于Faster R‑CNN参数迁移的裂缝图像检测方法，方法详细步骤为：1)特征提取，将图片输入ResNet‑50网络提取特征；2)特征融合及候选区域生成，将所得特征图输入多任务增强RPN模型，并改善RPN模型的锚盒大小和尺寸以提高检测识别精度，生成候选区域；3)检测处理，将特征图和候选区域发送到感兴趣区域(ROI)池，完全连接(FC)层，然后将FC层输出分别连接到一个边界回归器和一个SVM分类器，得到目标的类别和位置。本发明解决大坝裂缝图像样本不足的问题，以及适应大坝在不同光照环境，不同长度裂缝的检测。
-
公开(公告)号：CN110211097A
公开(公告)日：2019-09-06
申请号：CN201910398515.4
申请日：2019-05-14
Applicant: 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
Abstract: 本发明公开了一种基于Faster R-CNN参数迁移的裂缝图像检测方法，方法详细步骤为：1)特征提取，将图片输入ResNet-50网络提取特征；2)特征融合及候选区域生成，将所得特征图输入多任务增强RPN模型，并改善RPN模型的锚盒大小和尺寸以提高检测识别精度，生成候选区域；3)检测处理，将特征图和候选区域发送到感兴趣区域(ROI)池，完全连接(FC)层，然后将FC层输出分别连接到一个边界回归器和一个SVM分类器，得到目标的类别和位置。本发明解决大坝裂缝图像样本不足的问题，以及适应大坝在不同光照环境，不同长度裂缝的检测。
-
公开(公告)号：CN108764312B
公开(公告)日：2019-04-05
申请号：CN201810475284.8
申请日：2018-05-17
Applicant: 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
Abstract: 本发明公开一种基于DS优化多指标大坝缺陷图像检测方法，包括以下步骤：1)多指标缺陷检测，通过对比分析历史正常图像特征量参数(平均信息熵、平均信噪比、平均梯度均值对比度以及平均灰度方差偏移量)和测试图像特征量的差异来判断是否存在缺陷，这一阶段重点是每个指标阈值的设置。2)基于DS优化的融合决策，采用优化的DS算法组合四个指标的检测结果，输出最终检测结果。一般的DS证据理论对于不确定情况下证据间的高冲突问题无法很好地解决，很容易造成决策准确度降低甚至决策错误，为了减小证据冲突，改进的DS证据理论算法通过引入自适应权重定义各指标证据的效度，并修正证据概率函数分配，最终得到更加准确的缺陷检测效果。
-
公开(公告)号：CN119478460A
公开(公告)日：2025-02-18
申请号：CN202411554494.8
申请日：2024-11-04
Applicant: 河海大学
IPC: G06V10/75 , G06F16/583
Abstract: 本发明涉及一种针对噪声关联的自丢弃和双重权重方法，方法涉及图文匹配领域。方法包括：将噪声数据集中的图文对输入模型进行相似度计算，选择相似度图文对作为干净数据集；使用干净数据集为数据集中的样本构建评估条目获得记忆库；对噪声数据集中的图文对进行相似度计算，选择恰当的阈值对低相似度的样本进行丢弃以生成部分数据集；根据计算得到的图文对相似度使用高斯混合模型进行拟合得到置信度权重；通过复制参数模型参数创建孪生模型，使用孪生模型对部分数据集中的图文对进行训练；使用记忆库评估孪生模型训练前后的性能变化以得到重要性权重；模型使用置信度权重和重要性权重对部分数据集中的数据进行加权并训练。
-
公开(公告)号：CN119445353A
公开(公告)日：2025-02-14
申请号：CN202411570471.6
申请日：2024-11-06
Applicant: 河海大学
IPC: G06V20/05 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/26 , G06N3/04 , G06N3/084
Abstract: 本发明公开了一种基于视觉‑语言模型知识蒸馏的水下目标检测方法。随着视觉‑语言大模型的不断成熟，其强大的视觉特征提取能力和文本对齐能力已广泛应用于深度学习领域。该方法首先收集并融合多个公开的水下数据集，并对数据进行清理和预处理，以构建一个丰富且高质量的训练数据集。其次引入视觉‑语言模型，在大模型微调阶段，通过图像和文本对齐进行特征提取和细粒度微调，有效捕捉图像与文本之间的关联，从而生成更为准确的特征表示。最后，在知识蒸馏阶段，该方法采用教师网络和学生网络进行特征迁移。教师网络从微调后的主干网络中获取精细特征，通过均方误差损失函数将这些知识传递给学生网络，从而提升学生网络的泛化能力和检测性能，最终实现水下目标的鲁棒检测。本发明充分利用视觉‑语言模型和知识蒸馏技术，增强水下目标特征，使模型能够学习到鲁棒的目标特征，提高检测的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.12 seconds)
