-
公开(公告)号：CN113989746B
公开(公告)日：2024-06-11
申请号：CN202111319503.1
申请日：2021-11-09
Applicant: 国网浙江省电力有限公司信息通信分公司 , 国网浙江省电力有限公司 , 西北工业大学
IPC: G06V20/52 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明实施例提供了一种场景中复杂事件的检测方法、系统、设备及存储介质，方法包括：将同一时间段内连续的第一数量个光波谱段实时图像序列，输入到预设事件内容提取模型中，以使预设事件内容提取模型对第一输入参量进行特征提取，并输出同一时间段内检测到的复杂事件，其中，复杂事件为光波谱段实时图像序列的空域特征和时域特征，将复杂事件输入到预设复杂事件检测模型中，以使预设复杂事件检测模型对第二输入参量进行特征提取，并输出第二输入参量对应的检测结果。本发明通过综合多种光波谱段实时图像序列，结合复杂事件数据库和神经网络模型，对采集的多种光波谱段实时图像序列进行特征提取和复杂事件确定，实现对场景中复杂事件的高效检测。
-
公开(公告)号：CN109413407A
公开(公告)日：2019-03-01
申请号：CN201811439379.0
申请日：2018-11-29
Applicant: 西北工业大学
IPC: H04N13/204 , H04N13/207 , H04N13/161 , H04N13/156 , H04N13/106 , H04N5/374
Abstract: 本发明提供了一种高空间分辨率光场采集装置与图像生成方法，将微透镜阵列放置于主镜头与压缩编码传感器之间，微透镜阵列平行于压缩编码传感器，垂直于主镜头光轴，将压缩编码传感器的光敏面完全覆盖；其中每个微透镜均能够聚焦成像，且不同微透镜的成像区域在压缩编码传感器平面互不重叠；目标场景经过主镜头所呈的实像经由微透镜阵列再次汇聚后被压缩编码传感器所记录。本发明在不降低光场角度分辨率和通光量的同时，获得高空间分辨率光场数据，可以减少光场数据量，缓解存储压力，促进光场视频拍摄以及光场数据的网络存储和传播应用发展。
-
公开(公告)号：CN104469110B
公开(公告)日：2017-07-21
申请号：CN201410696163.8
申请日：2014-11-26
Applicant: 西北工业大学
Abstract: 本发明提供了一种可变角度采样数的光场采集装置，微透镜阵列采用若干个微透镜均匀排布，将图像传感器光敏面完全覆盖；镶嵌在滑动导轨内的移动托盘将微透镜阵列固定，能够沿图像传感器的光轴方向在主镜头和图像传感器之间前后移动；微透镜距离调节环与托盘推动杆精密耦合，微透镜距离调节环旋转时，托盘推动杆带动移动托盘沿图像传感器的光轴方向移动，移动托盘与相机之间连接两个弹簧；数字位移感应器与托盘推动杆固接，感应微透镜阵列的位移变化并将传入数字控制单元中。本发明可连续调节采集光场的角度采样数，在较低角度分辨率时可以获得较高的空间分辨率，在较高角度分辨率设置下可以获得更多场景三维信息。
-
公开(公告)号：CN115249313B
公开(公告)日：2025-04-08
申请号：CN202210959633.X
申请日：2022-08-11
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/0985
Abstract: 本发明提供了一种基于元模块融合增量学习的图像分类方法，获取待分类图片，形成待分类图片集，依次将分类图片集输入至增量分类神经网络VGG网络或ResNet，训练元模型；在元模型的分类器后添加修正器，利用保留数据训练修正器，训练门控选择层，实现对元模型的融合；确定对应的具体图像类别。本发明能够使网络在长期增量阶段时，延缓精度下降，能有效的改善动态扩展重表达方法中存在的弊端，显著改进了识别精度。解决了现有的增量学习中图像分类精度下降过快的算法问题。本发明能在保持精度较高的情况下，实现在内存规模，网络增长规模和计算速度等多个上面的优势。
-
公开(公告)号：CN118053050A
公开(公告)日：2024-05-17
申请号：CN202410452748.9
申请日：2024-04-16
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/74 , G06V40/20
Abstract: 本发明提供了一种用于动作识别的自适应分类决策面构建方法，使用动作样本的时空语义来引导构建先验决策面的类原型从而生成构建后验决策面的动作样本自适应类原型，使用先验和后验损失一起来指导决策面的优化。本发明增强了决策面中动作样本表征的可判别性。在训练的过程中循环对先验和后验的约束，既实现了先验的基准性与泛化性，又提升了后验的有效性与灵活性，保证了训练过程的稳定有序进行，达到了良好的分类效果。
-
Patent Agency Ranking
公开(公告)号：CN112291619B
公开(公告)日：2023-09-29
申请号：CN202011151027.2
申请日：2020-10-24
Applicant: 西北工业大学
IPC: H04N21/44 , H04N19/172
Abstract: 本发明公开了一种基于阻塞与停顿的移动端小程序帧渲染方法，在移动端小程序内设置交互层、控制层、渲染优化算法模块和渲染层；交互层是移动端小程序内接收和存储人机交互信息的模块，用于在人机交互中接收、存储和分析使用者对机器的操作指令；控制层接收交互层的输出信息，当未产生交互时，不对场景进行渲染，当有交互信息时，将场景数据输入渲染优化算法模块，再次判断动态场景是否需要进行渲染，需要渲染时由渲染层对场景进行渲染。该方法能够在不影响使用者主观感受的同时，平衡高渲染帧率与中央处理器的性能。
-
公开(公告)号：CN114241294A
公开(公告)日：2022-03-25
申请号：CN202111320478.9
申请日：2021-11-09
Applicant: 国网浙江省电力有限公司信息通信分公司 , 西北工业大学 , 国网浙江省电力有限公司
IPC: G06V20/10 , G06V10/77 , G06V10/774 , G06V10/80 , G06K9/62
Abstract: 本发明实施例提供了一种设备异常检测的方法、系统、设备及存储介质，方法包括：在预设时长内，使用三光采集设备对目标设备进行数据采集，获得三光融合图像序列数据，将其输入到异常特征提取模型进行特征提取，获得多变量时序序列数据，对多变量时序序列数据中的部分数据或全部数据，进行子序列划分，获得多变量子序列段数据，将其输入到预设异常检测模型中进行误差判定，获得目标设备的异常状态判断结果。通过对经过异常特征提取的多变量时序序列数据进行子序列化分，在保证数据准确的基础上，获得了反应设备异常的多变量子序列段数据，使本发明相较于现有技术，在检测准确性和检测效率上均有提高。可见，本发明提高了对电力设备异常检测的效率。
-
公开(公告)号：CN113987953A
公开(公告)日：2022-01-28
申请号：CN202111319532.8
申请日：2021-11-09
Applicant: 国网浙江省电力有限公司信息通信分公司 , 国网浙江省电力有限公司 , 西北工业大学
Abstract: 本发明实施例提供了一种故障检测模型轻量化的方法、系统、设备及存储介质，方法包括：利用预设训练集和预设测试集对第一电力设备故障检测模型进行训练，获得第二电力设备故障检测模型，利用轻量化网络结构对第二电力设备故障检测模型的基础网络结构进行替换，获得第三电力设备故障检测模型，将第三电力设备故障检测模型输入到预设压缩微调算法中，进行压缩微调，获得第四电力设备故障检测模型，将第四电力设备故障检测模型输入到预设优化引擎中，以使预设优化引擎对第四电力设备故障检测模型进行优化，获得轻量化的电力设备故障检测模型。本发明实现了在保证输出结果准确的前提下，降低神经网络模型的结构复杂程度。
-
公开(公告)号：CN113971777A
公开(公告)日：2022-01-25
申请号：CN202111240270.6
申请日：2021-10-25
Applicant: 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 , 西北工业大学
IPC: G06V20/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q10/00 , G06Q10/04 , G06Q50/06
Abstract: 本发明提供设备故障预测方法、装置及服务器，应用于电力系统技术领域，该方法首先获取目标设备在预设时间区间内多个采样时刻的设备图片集，然后提取各设备图片集中各目标谱段设备图片的目标参数的参考值，得到各采样时刻对应的参考数据集，进一步将各参考数据集输入预训练的数据预测模型，得到目标设备在多个预测时刻的预测数据集，最后将各预测数据集输入预训练的故障确定模型，得到目标设备的故障预测结果。本方法能够基于不同多个目标谱段的设备图片对目标设备进行故障预测，进而提前确定电力设备是否有可能发生故障，为运维人员采取针对性的运维措施提供参考依据，解决现有技术存在的问题。
-
公开(公告)号：CN113538503A
公开(公告)日：2021-10-22
申请号：CN202110965092.7
申请日：2021-08-21
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于红外图像的太阳能板缺陷检测方法，利用了基于深度学习的背景分割技术去除图像非太阳能板区域的复杂背景干扰，再结合线段检测和角点检测改进了传统的太阳能板目标检测方法，最后结合太阳能板缺陷的先验知识，使用聚类等方法进行局部和全局缺陷检测，实现了鲁棒性和准确率较高的太阳能板缺陷检测。降低了成本，提高了效率，适合大型光伏电站使用，引入了基于深度学习背景分割方法，有效去除了红外图像中背景干扰信息，有益于系统适应不同自然环境中的光伏电站，提高了后续目标识别的准确度和鲁棒性。调整了传统CV方法中线段合并的具体算法，减少了算法依赖的先验知识，降低了目标识别的漏检率和误检率。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.023 seconds)
