-
公开(公告)号：CN117809289B
公开(公告)日：2024-07-05
申请号：CN202410225873.6
申请日：2024-02-29
Applicant: 东北大学
IPC: G06V20/58 , G06V40/10 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明属于计算机视觉应用技术领域，公开了一种面向交通场景的行人检测方法。建立行人检测模型，采用有监督的学习方法进行训练；训练时根据检测结果调整行人检测模型中卷积核的权重，训练完成后的行人检测模型用于检测识别。使用跨阶段网络结构和设计新的残差模块以改进原有的骨干网络，减少算法所需的计算量，采用、设计特征增强模块和自适应融合金字塔结构，提高不同尺度行人目标的检测精度。同时，该方法中也设计了加权式Soft‑NMS的后处理方法以提升行人间遮挡的检测效果。实验结果表明，本发明可以在满足实时检测的需求下提高行人目标的检测精度。
-
公开(公告)号：CN119901491A
公开(公告)日：2025-04-29
申请号：CN202510114538.3
申请日：2025-01-24
Applicant: 东北大学
IPC: G01M13/04 , G06N3/0455 , G06N3/0475 , G06N3/0895
Abstract: 本发明属于故障诊断技术领域，公开一种面向有限数据的半监督滚动轴承跨域故障诊断方法。源域有标签数据经强增强模块生成强增强数据；强增强数据和源域有标签数据经决策边界自适应模块获得决策边界；根据决策边界为源域无标签数据确定其伪标签；源域有标签数据进行弱增强，根据弱增强数据计算初始置信度，并生成置信度阈值；置信度阈值对源域无标签数据的伪标签进行标签筛选，得到纯化数据；纯化数据输入语义对齐模块和健康状态分类模块到网络模型中进行训练，得到可用于诊断的模型。本发明所提出的方法既解决跨域潜在的巨大分布差异问题，同时也可以解决源域数据只有少量数据有标签的问题，可以进一步促进跨域故障诊断模型在实际生产中的应用。
-
公开(公告)号：CN119885033A
公开(公告)日：2025-04-25
申请号：CN202510113099.4
申请日：2025-01-24
Applicant: 东北大学
IPC: G06F18/2433 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464
Abstract: 本发明属于故障诊断领域，公开一种面向单域不平衡数据的滚动轴承故障诊断方法。设计基于解耦混合的单域平衡数据生成模块、基于损失驱动的多域平衡数据生成模块、将单域不平衡数据转化为单域平衡数据，然后再将单域平衡数据转化为多域平衡数据；所述多域平衡数据经语义对齐后进行特征提取，得到健康状态类别。本发明所提出的方法既能够解决多域数据分布差异给模型带来的训练问题，同时可以处理单一源域和不平衡数据带来的问题，优于其他现有方法，具有较为重要的实际应用价值，可以进一步促进故障诊断模型在实际生产环境中的广泛应用。
-
公开(公告)号：CN117854045B
公开(公告)日：2024-07-05
申请号：CN202410241292.1
申请日：2024-03-04
Applicant: 东北大学
IPC: G06V20/58 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉应用技术领域，公开一种面向自动驾驶的车辆目标检测方法。为了解决独立检测特征图存在的特征孤岛问题，基于特征金字塔的思想提出了双向连接。结合Inception结构和残差网络模块设计一种多分支预测模块来捕捉更大范围的目标特征信息。采用不同空洞率、不同大小和不同数量的空洞卷积构成多感受野模块来直接增大检测特征图感受野的大小，并将其融合起来得到融合特征图。采用一种基于IOU方式的k‑means++聚簇生成锚框的设计来选择更加合理的锚框。综上所述，Bi‑Net算法更适合作为自动驾驶中的目标检测算法，以保证车辆顺利完成自动驾驶任务。
-
公开(公告)号：CN113947774B
公开(公告)日：2024-05-14
申请号：CN202111169747.6
申请日：2021-10-08
Applicant: 东北大学
IPC: G06V30/19 , G06V10/40 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉应用技术领域，提供了一种轻量级的车辆检测系统。该系统包括数据模块、网络结构模块、系统配置模块、训练模块、测试模块、日志采集模块、效果分析模块和检测模块。本检测系统在SSD的基础上进行特征融合操作和并行分支预测的操作；使用轻量级结构作为特征提取网络，保证算法可以运行在计算和存储资源有限的车载设备上，采用特征融合模块，提高车辆目标的检测精度。同时，该系统中也设计了一种并行分支预测结构，不仅能够提高算法的检测精度，还能够提高目标的检测速度。
-
Patent Agency Ranking
公开(公告)号：CN113887136B
公开(公告)日：2024-05-14
申请号：CN202111169683.X
申请日：2021-10-08
Applicant: 东北大学
IPC: G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/094 , G06N3/084 , G01M13/045 , G06F119/10
Abstract: 本发明属于电动汽车电机故障诊断与健康管理技术领域，提供了一种基于改进GAN和ResNet的电动汽车电机轴承故障诊断方法。首先对轴承振动信号进行离散化处理并构建实际场景中的不平衡数据集；再通过引入类别标签和使用Wasserstein距离构造损失函数改进了对抗生成网络，生成更具类别特征的数据以解决数据集不平衡的问题；最后，将带有生成数据和真实数据的平衡数据集输入故障诊断网络，通过在诊断网络中构造多尺度残差注意力卷积块以解决深层网络训练的梯度消失问题并学习多尺度深层特征。本发明针对解决真实场景中故障数据难以收集导致的数据集不平衡和复杂工况下有效特征难以提取的问题，生成的数据更贴近真实数据，使得模型能提取到有效的多尺度深层特征。
-
公开(公告)号：CN117708656B
公开(公告)日：2024-05-10
申请号：CN202410160245.4
申请日：2024-02-05
Applicant: 东北大学
IPC: G06F18/24 , G01M13/04 , G06F18/213 , G06N3/094 , G06N3/0985 , G06N3/0475
Abstract: 本发明属于故障诊断技术领域，公开了一种面向单源域的滚动轴承跨域故障诊断方法。通过源域样本训练域生成模块，生成多个伪域样本；源域样本和生成的伪域样本同时训练任务诊断模块，输出预测的轴承健康状态；交替训练域生成模块和任务诊断模块；训练过程中，域生成模块通过最大限度地提高伪域样本与源域样本之间的分布差异以及伪域样本之间的分布差异，模拟未知目标域，同时通过正则化保持伪域样本与源域样本的语义一致性和流形一致性保证生成伪域样本的有效性；通过训练得到的域生成模块和任务诊断模块，从单域泛化得到未知目标域。本发明的方法相比于现有主流方法具有更强的有效性和优越性。
-
公开(公告)号：CN117854045A
公开(公告)日：2024-04-09
申请号：CN202410241292.1
申请日：2024-03-04
Applicant: 东北大学
IPC: G06V20/58 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉应用技术领域，公开一种面向自动驾驶的车辆目标检测方法。为了解决独立检测特征图存在的特征孤岛问题，基于特征金字塔的思想提出了双向连接。结合Inception结构和残差网络模块设计一种多分支预测模块来捕捉更大范围的目标特征信息。采用不同空洞率、不同大小和不同数量的空洞卷积构成多感受野模块来直接增大检测特征图感受野的大小，并将其融合起来得到融合特征图。采用一种基于IOU方式的k‑means++聚簇生成锚框的设计来选择更加合理的锚框。综上所述，Bi‑Net算法更适合作为自动驾驶中的目标检测算法，以保证车辆顺利完成自动驾驶任务。
-
公开(公告)号：CN117664567A
公开(公告)日：2024-03-08
申请号：CN202410122877.1
申请日：2024-01-30
Applicant: 东北大学
IPC: G01M13/04 , G01M13/045 , G06F18/24 , G06F18/213 , G06N3/084 , G06N3/0464
Abstract: 本发明属于故障诊断技术领域，公开了一种面向多源域不平衡数据的滚动轴承跨域故障诊断方法。特征提取模块从轴承原始振动信号中自动提取故障特征。状态预测模块，利用特征提取模块提取的特征预测轴承健康状态，最小化所有源域样本的分类损失。对比语义对齐模块，利用特征提取模块提取的特征计算对比语义对齐损失，最小化各个源域之间的对比语义对齐损失。权重生成模块，利用每个源域中各个故障类别的样本数量分布情况生成权重，分别对分类损失和对比语义对齐损失进行加权。最终利用特征提取模块和状态预测模块实现跨域故障诊断。本发明既解决跨域潜在的巨大分布差异，又可以处理多源域的数据不平衡问题。
-
公开(公告)号：CN113947774A
公开(公告)日：2022-01-18
申请号：CN202111169747.6
申请日：2021-10-08
Applicant: 东北大学
Abstract: 本发明属于计算机视觉应用技术领域，提供了一种轻量级的车辆检测系统。该系统包括数据模块、网络结构模块、系统配置模块、训练模块、测试模块、日志采集模块、效果分析模块和检测模块。本检测系统在SSD的基础上进行特征融合操作和并行分支预测的操作；使用轻量级结构作为特征提取网络，保证算法可以运行在计算和存储资源有限的车载设备上，采用特征融合模块，提高车辆目标的检测精度。同时，该系统中也设计了一种并行分支预测结构，不仅能够提高算法的检测精度，还能够提高目标的检测速度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.021 seconds)
