-
公开(公告)号：CN105221109A
公开(公告)日：2016-01-06
申请号：CN201510680971.X
申请日：2015-10-21
Applicant: 中国石油大学(华东)
IPC: E21B37/00
Abstract: 本发明涉及一种清蜡器，特别涉及一种全井深自动清蜡器，其特征是：它包括抽油杆清蜡前爪、上提升卡爪、前车车架、抽油杆清蜡刷、抽油杆清蜡涡轮、抽油杆清蜡后爪、油管清蜡前爪、后车车架、油管清蜡刷、油管清蜡涡轮、油管清蜡后爪、下提升卡爪等；抽油杆清蜡前爪与上提升卡爪锥面配合安装在抽油杆上，抽油杆清蜡刷安装在两前车推力轴承之间，并与抽油杆清蜡涡轮固连，抽油杆清蜡后爪安装在抽油杆上，油管清蜡前爪安装在油管上，并通过后车前爪连杆与后车车架连接，油管清蜡刷与油管接触，并固连在油管清蜡涡轮上，油管清蜡前爪与下提升卡爪安装在油管上。它相对于现有的清蜡器而言，机械机构相对简单，并可以实现高效率的全井深清蜡。
-
公开(公告)号：CN106845415A
公开(公告)日：2017-06-13
申请号：CN201710050765.X
申请日：2017-01-23
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于深度学习的行人精细化识别方法及装置，该方法包括：构建行人图像数据库，利用行人图像数据库制作包含行人特征的训练数据集，将训练数据集输入到SSD网络进行训练；根据训练结果构建行人精细化图像数据库，制作包含行人各个部位特征的训练数据集，将训练数据集输入到卷积神经网络进行训练；利用训练好的SSD网络提取来自流媒体服务器的实时视频流中的行人特征，根据提取到的行人特征，利用训练好的卷积神经网络提取行人各个部位的特征；将提取到的行人各个部位的特征与行人精细化图像数据库的每个行人相应部位的特征进行匹配，将匹配结果进行组合得到行人精细化识别结果。本发明有效地提高了行人精细化识别的准确率。
-
公开(公告)号：CN106572329A
公开(公告)日：2017-04-19
申请号：CN201610899546.4
申请日：2016-10-14
Applicant: 中国石油大学(华东)
CPC classification number: H04N7/181 , G06K9/00335 , G06K9/00778 , G08B25/007
Abstract: 本发明提出了一种应用于视频监控图像的精确识别系统，该系统的功能主要包括通过用户交互指定需要进行自动识别的监控摄像头、监控摄像头成批自动轮询、海上平台上运动目标精确识别、识别结果形成报警记录、报警处置等。系统由三部分组成：前台交互和处理页面、后台控制平台和服务、数据库存储。完成了以下几个功能：底层流媒体获取和显示；视频监控图像精确识别后台服务；视频监控图像精确识别后台控制程序，主要包括监控摄像头选定、识别算法参数设置、识别服务开关管理、报警信息存储及处理。本文档将对整个系统的设计架构、各个功能模块的设计、交互和存储以及web发布页面的设计进行详细描述。
-
公开(公告)号：CN105929392A
公开(公告)日：2016-09-07
申请号：CN201610237692.0
申请日：2016-04-18
Applicant: 中国石油大学(华东)
CPC classification number: G01S13/867 , H04N7/181
Abstract: 本发明提出了一种雷达与视频等多系统联动的海上平台系统，包括以下步骤：获取雷达报警地理位置；摄像头监控区域的获取与划分；基于定域算法的经纬度与区域的转化；摄像头的定位抓图与录像；报警信息向客户端的传送。本发明的雷达与视频等多系统联动的海上平台系统，是在获取雷达报警信息位置的基础上，通过给摄像头监控区域的划分，定域算法计算地理位置对应的监控区域，调动可监控到该区域的摄像头进行抓图或调动区域摄像头定位与录像。最终将报警信息弹窗传给登陆用户的客户端，使工作人员方便及时监控与处理海上平台信息。
-
公开(公告)号：CN105868269A
公开(公告)日：2016-08-17
申请号：CN201610148294.1
申请日：2016-03-08
Applicant: 中国石油大学(华东)
IPC: G06F17/30
CPC classification number: G06F16/583
Abstract: 本发明提出了一种基于区域卷积神经网络的精确图像检索方法，利用区域卷积神经网络分析图像的内容，并且标定图像所包含的物体的区域和数量，输入检索条件，通过遍历整个图像数据库就可以准确的输出所有包含该物体的图像。区域卷积神经网络可以分析图像中的所有物体，并且卷积神经网络拥有很高的准确率，相比于传统方法，在很大程度上避免了遗漏或者错误检索的情况，达到精确检索的目的。
-
Patent Agency Ranking
公开(公告)号：CN105721199A
公开(公告)日：2016-06-29
申请号：CN201610040259.8
申请日：2016-01-18
Applicant: 中国石油大学(华东)
IPC: H04L12/24
CPC classification number: H04L41/5038 , H04L41/069 , H04L41/145
Abstract: 本发明提出了一种基于核密度估计与模糊推理系统的实时云服务瓶颈检测方法，包括以下步骤：步骤1、启动实时云环境，运行云服务；步骤2、启动实时云服务状态参数获取组件；步骤3、获取某一段时间内集群正常运行环境下的云服务状态参数，采用核密度估计模型对其进行建模，同时开启模糊推理系统；步骤4、新获得的状态参数输入到该模糊推理系统中，计算出瓶颈指数；步骤5、设置阈值，观察每一个云服务瓶颈指数的历史规律，如果在某一时间段内一直超过阈值，则启动预警机制。本发明的方法能够实时获取云集群中每一个服务的运行状态，存入数据仓库；实现对每一个实时云服务的瓶颈检测；当实时云服务的瓶颈指数长时间超过某一阈值，启动预警机制。
-
公开(公告)号：CN105719313A
公开(公告)日：2016-06-29
申请号：CN201610040258.3
申请日：2016-01-18
Applicant: 中国石油大学(华东)
IPC: G06T7/20
CPC classification number: G06T7/20 , G06T2207/10016
Abstract: 本发明提出了一种基于智能实时视频云的运动目标跟踪方法，使其能够在线跟踪城市中被人为指定的运动目标，同时能减少资源开销从而提高计算性能，为目前市场许多交通业务提供极为有用的信息。本发明的基于智能实时视频云的运动目标跟踪方法具有资源开销小、保证实时性、满足多种智能交通业务需求、判断被监视目标的运动意向等优点；借助实时云环境Storm的并行化计算编程模型，具有很强的可行性，大大减少了同时处理监控视频流的数量，使得其减少到个位数，这为智能交通与智能城市的发展提供了有力的支持。
-
公开(公告)号：CN105551004A
公开(公告)日：2016-05-04
申请号：CN201511010304.7
申请日：2015-12-29
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及石油储层、图像处理等领域，具体涉及到一种基于岩心CT图像处理的剩余油微观赋存表示方法。包括以下步骤：CT图像的预处理，基于三次Lagrange插值的CT图像插值；CT图像的分割及修正；基于CT图像的孔隙、喉道网络建模，剩余油微观赋存的定量表征。本发明的基于岩心CT图像处理的剩余油微观赋存表示方法，是在获取岩心CT扫描图像的基础上，通过CT图像预处理、图像插值、基于图像的介质分割、岩心模型三维重建、孔喉分割及孔喉拓扑结构重建等步骤，得到岩心模型中所有孔隙及喉道的三维形态及其相互拓扑连接关系，最终得出剩余油微观赋存定量表征。
-
公开(公告)号：CN105550713A
公开(公告)日：2016-05-04
申请号：CN201510995737.6
申请日：2015-12-21
Applicant: 中国石油大学(华东)
IPC: G06K9/62
CPC classification number: G06K9/6267
Abstract: 本发明提出了一种持续学习的视频事件检测方法，包括初始学习阶段和增量学习阶段；在初始学习阶段，准备了带有标签的视频数据，使用稀疏自编码对所述带有标签的视频数据进行学习，训练出一个先验模型；在增量学习阶段，使用训练好的先验模型对新到来的视频数据进行分类，计算概率评分和梯度距离，根据计算结果使用主动学习来决定为新到来的视频数据自动添加标签还是人工添加标签。本发明结合深度学习和主动学习，自动选择最合适的特征并且利用视频流数据逐渐改善现有的模型；当获得新的视频数据时，使用无监督学习来提取特征，然后使用主动学习来尽量减少人为分类的工作，逐渐完善模型，最终达到持续学习的目的。
-
公开(公告)号：CN104954185A
公开(公告)日：2015-09-30
申请号：CN201510330961.3
申请日：2015-06-09
Applicant: 中国石油大学(华东)
CPC classification number: H04L41/14 , H04L67/1002
Abstract: 本发明提出了一种基于深度置信网的云计算负载预测方法，包括以下步骤：步骤(1)，从云集群中提取并聚合负载观测值；步骤(2)，对步骤(1)的观测值进行差分变换以降低数据的线性度，归一化数据，分析数据内部的自相关和自回归特性；步骤(3)，按照从下到上的顺序逐层训练RBM，并通过BP算法优化整体网络结构；步骤(4)，使用前一步训练出的网络对云属性进行长短期预测；步骤(5)，将步骤(4)中的预测结果进行与步骤(2)相反的逆变换，得到原数据的预测值。本发明基于深度置信网的云负载预测方法，能够为云平台的资源调度提供可靠依据，具有预测误差小、适合长线预测等优点，达到云资源高效调度和使用。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.032 seconds)
