-
公开(公告)号：CN119669421A
公开(公告)日：2025-03-21
申请号：CN202411775394.8
申请日：2024-12-05
Applicant: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
IPC: G06F16/3329 , G06F18/23213 , G06F18/214 , G06Q50/06
Abstract: 本发明提出了一种面向供电行业的大语言模型语料库构建方法，包括以下步骤：步骤1，在供电行业的工作环境中部署RAG系统；步骤2，使用所述RAG系统进行知识检索，得到问题文本和与其对应的多个回答文本即问答文本；步骤3，将问题文本进行向量化，得到问题向量；步骤4，对所有的问题向量进行聚类，并对每个聚类进行编码，得到聚类编码；步骤5，对所有问答文本按聚类的类别进行编码，并按时序分割为问题片段；步骤6，在问题片段中提取语料的问题，生成答案，计算所述答案的置信度；步骤7，将所述的问题、对应的答案和置信度编目成为1条语料记录，将所有的语料记录保存获得面向供电行业的大语言模型语料库。
-
公开(公告)号：CN119599907A
公开(公告)日：2025-03-11
申请号：CN202411593571.0
申请日：2024-11-08
Applicant: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
Abstract: 本申请涉及一种图像去雨处理方法、装置、计算机设备、可读存储介质和程序产品。所述方法包括：建立无监督去雨框架，通过端到端图像生成网络对原始有雨图像进行重构处理，得到清晰图像，并通过雨水图像生成网络对原始有雨图像进行特征提取，得到雨滴信息，根据雨滴信息和原始有雨图像获取重构清晰图像，并根据清晰图像和雨滴信息获取重构有雨图像，基于原始有雨图像、清晰图像、重构清晰图像和重构有雨图像，建立针对无监督去雨框架的损失约束条件，根据损失约束条件对无监督去雨框架进行优化，通过优化后的无监督去雨框架对原始有雨图像进行图像去雨处理。采用本方法能够提高去除局部细微雨水的能力，从而精确实现图像去雨。
-
公开(公告)号：CN117372254A
公开(公告)日：2024-01-09
申请号：CN202311116186.2
申请日：2023-08-31
Applicant: 三峡大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/70 , G06T5/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 一种基于多结构融合的生成对抗网络的热红外图像超分辨率算法，包括如下步骤：Step1、构建训练方法；Step2、构建多结构融合模块；Step3、构建生成器的网络结构；构建的生成器RDDANet总体网络结构由三个部分组成：浅层特征提取、用于深层特征提取的多结构融合模块和重建模块，用于深层特征提取的多结构融合模块为残差动态密集‑注意模块；Step4、预测效果图；从热红外数据集中选取多张图进行预测。提出了一种新的使用灰度化的可见光图像引导网络训练的训练策略，相比于当前的超分辨率算法，我们可以在解决噪声影响的情况下有效增强纹理细节。
-
公开(公告)号：CN119861330A
公开(公告)日：2025-04-22
申请号：CN202510055929.2
申请日：2025-01-14
Applicant: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC: G01S3/14
Abstract: 本申请涉及一种基于传感器阵列的波达方向估计方法、装置、计算机设备、介质和产品。所述方法包括：建立源信号与传感器阵列的信号模型，并根据信号模型确定信号子空间，确定第一选择矩阵和第二选择矩阵，通过第一选择矩阵对信号子空间进行子矩阵划分，根据划分得到的第一子矩阵，获取参考方向余弦，通过第二选择矩阵对信号子空间进行子矩阵划分，根据划分得到的第二子矩阵，获取模糊方向余弦，通过参考方向余弦对模糊方向余弦进行相位补偿，得到目标方向余弦，根据目标方向余弦，确定源信号的二维达到方向。采用本方法能够充分利用阵列输出的空间响应和极化响应信息，实现高精度的二维达到方向估计。
-
公开(公告)号：CN119579989A
公开(公告)日：2025-03-07
申请号：CN202411695393.2
申请日：2024-11-25
Applicant: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
IPC: G06V10/764 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请涉及一种变电站异常检测网络的构建方法、装置、设备和存储介质。所述方法包括：获取多张变电站设备的异常图像样本，以及每张异常图像样本对应的异常标签；采用待训练变电站异常检测网络对目标异常图像样本进行频域特征提取，得到频域特征，并基于频域特征进行分类，得到目标异常图像样本对应的预测异常；基于目标异常图像样本对应的异常标签和预测异常计算模型损失；基于模型损失调整待训练变电站异常检测网络的网络参数，直至计算得到的模型损失达到训练停止条件时停止，得到训练完成的变电站异常检测网络；训练完成的变电站异常检测网络用于变电站异常检测。采用本方法能够提高变电站环境中的多分类异常的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN117495744A
公开(公告)日：2024-02-02
申请号：CN202311233647.4
申请日：2023-09-22
Applicant: 三峡大学
IPC: G06T5/90 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于编解码结构模型的细胞核图像颜色归一化的方法，首先进行模型构建，构建编解码结构的模型，包括Encoder和Decoder两部分；然后进行数据准备和数据预处理，对数据库获取的细胞核图像数据进行随机裁剪、随机水平翻转、随机垂直翻转、随机旋转、随机尺度缩放和随机仿射变换，并对像素值进行归一化；最后进行模型训练和验证：采用均方误差作为损失函数，使用Adam优化器对所构建的模型进行训练并完成模型测试；该方案可以实现对细胞核图像的颜色归一化，提高细胞核图像研究的效率和准确性，为医学和生物学研究提供有力的支持。
-
公开(公告)号：CN118429653A
公开(公告)日：2024-08-02
申请号：CN202410536001.1
申请日：2024-04-30
Applicant: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
IPC: G06V10/30 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种融合动态特征降噪的微小运动放大方法，首先，提出一种编码器模块将运动特征表征为形状特征，以及将背景特征表征为纹理特征，通过集成一种全维动态卷积模块和一种坐标注意力模块来实现多维特征的提取和加权，从而增强形状特征的提取和泛化能力，并且提升对于纹理特征和形状特征的区分能力。其次，提出一种操纵器模块来重点学习编码器输出的形状特征，通过矩阵分解策略和稀疏矩阵过滤策略来降低噪声干扰，进而有效提升形状特征放大的性能。最后，提出了一种解码器模块将放大的形状特征与纹理特征进行高效拼接，进而生成高质量的微小运动放大视频。该方法最终在保证微小运动放大性能的同时，能够很好地降低噪声影响而避免运动放大失真。
-
公开(公告)号：CN114463844A
公开(公告)日：2022-05-10
申请号：CN202210033684.X
申请日：2022-01-12
Applicant: 三峡大学
Abstract: 一种基于自注意力双流网络的跌倒检测方法，它包括以下步骤：步骤1：采集人行为动作的图像数据，形成行为动作的样本数据集；步骤2：构建自注意力双流网络，用于行为动作的检测；步骤3：采用平衡简单易分样本操控焦点损失函数，优化自注意力双流网络；步骤4：利用样本数据集对自注意力双流网络进行训练、测试，使之达到检测精度；步骤5：采集人的实时图像，输入训练好的自注意力双流网络，检测是否有跌倒行为。本发明是基于计算机视觉的方法对视频中的人进行行为检测及跟踪而提出的一种基于自注意力双流网络的跌倒检测方法。
-
公开(公告)号：CN113049507A
公开(公告)日：2021-06-29
申请号：CN202110256176.3
申请日：2021-03-09
Applicant: 三峡大学
Abstract: 本发明涉及光谱波长选择方法，包括：将光谱划分为多个波段区间；在每个波段区间上进行偏最小二乘回归分析；计算每个波段对应变量的交互验证均方差；找出交互验证均方差小的波段，将这些波段区间对应的光谱吸收矩阵组合，得到新的光谱吸收矩阵；针对新的光谱吸收矩阵，使用蒙特卡洛采样方法进行多次采样，每次采样去掉回归系数相对较小的波长点，再建立偏最小二乘回归分析模型，选出交互验证均方差最小的波长变量集，作为候选的最优波长变量集；进行多轮采样选出重复出现、稳定的波长变量，作为最优波长变量。本发明通过多轮的采样、筛选，选出稳定的最优光谱波长变量，相比单一的光谱波长选择模型，选出的光谱波长变量更少。
-
公开(公告)号：CN117372255A
公开(公告)日：2024-01-09
申请号：CN202311125633.0
申请日：2023-08-31
Applicant: 三峡大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/70
Abstract: 一种热红外图像退化模型的构建方法，包括：Step1、对热像仪产生的噪声进行建模；Step2、对背景辐射噪声进行建模；Step3、对时间噪声进行建模；Step4、对空间噪声进行建模；Step5、根据Step1‑Step4中建立的噪声模型，构建高阶热红外退化模型。将热红外图像产生的质量问题分为两个部分：1）热像仪获取图像过程中引入的噪声；2）热红外图像在传输过程中引入如模糊、降采样、噪声和JPEG压缩等。首先模拟热像仪产生的噪声，然后是传输过程中造成的质量问题。除了热像仪产生的噪声外，每个方框中的一部分都被随机选择加入，以增加退化模型的随机性。针对热红外图像的高阶退化模型，可以全面的模拟热红外图像从获取到传输整个过程中所经历的退化过程。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.014 seconds)
