-
公开(公告)号：CN117853803A
公开(公告)日：2024-04-09
申请号：CN202410031205.X
申请日：2024-01-09
Applicant: 东南大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/44 , G06V10/42 , G06T5/90 , G06T5/40 , G06N3/08
Abstract: 本发明公开了一种基于特征增强和通信网络的小样本动车异常检测方法及系统，通过数据采集与整理标注、图像预处理、建立特征增强和通信网络模型，并进行模型训练，最终得到最优特征增强和通信网络模型，输出异常类别的预测结果。所述特征增强和通信网络模型包括特征相似度计算模块、互注意力特征增强模块、多方面特征融合模块以及相似性增强模块，将经过预处理后的支撑‑查询图像对输入到模型中，提取多层次support图像特征和query图像特征，对不同层次特征进行增强与通信，融合多种特征得到更具代表性的特征用于query图像的预测。本方法解决了每一类新的异常需要大量劳动力标注训练样本的问题，可以利用训练好的模型直接检测新的异常，大大提高了检测效率。
-
公开(公告)号：CN115457596A
公开(公告)日：2022-12-09
申请号：CN202211082601.2
申请日：2022-09-06
Applicant: 东南大学
IPC: G06V40/10 , G06V10/772 , G06V10/77 , G06V10/82 , G06V10/762 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于相机感知图学习的无监督行人重识别方法，首先提取行人图像特征，并用聚类算法得到伪标签，同时构造内存字典；将每个相机作为一个独立的图像域，并从每个图像域中抽取样本以形成小批量训练样本；随后将所有图像样本特征用于构建相机感知图，利用图卷积网络将图像样本融合到统一的特征空间中，通过特征聚合来生成理想的图像特征；再构造基于内存的非参数对比损失来训练特征提取器和图卷积网络，构造相机对抗损失生成更加鲁棒有效的图像特征；重复执行前述步骤，直至模型收敛；最后，用特征提取器将行人图像映射到特征空间中，并将待查询行人图像的特征向量与候选行人图像的特征向量进行欧式距离比较并排序，最终得到行人重识别结果。
-
公开(公告)号：CN117029557A
公开(公告)日：2023-11-10
申请号：CN202310934039.X
申请日：2023-07-27
Applicant: 东南大学 , 京能锡林郭勒能源有限公司
IPC: F28F27/00 , G06F18/2337 , G06F30/27 , F28F25/12 , F28C1/16 , G06F111/04
Abstract: 本发明公开了一种兼顾防冻与经济性的间接空冷塔百叶窗调控方法，涉及火电机组间接空冷技术领域，解决了现有间接空冷塔在考虑散热器冻结时降低机组经济性的技术问题，其技术方案要点是：对间接空冷塔历史运行数据进行边界划分，得到最优基准工况样本及其边界参数、相关参数、目标参数以及统计量信息，构建目标工况库。将实时工况与目标工况库进行对比，若偏差小于阈值，则直接得到基准值，否则采用即时学习建立局部模型，得到预测值；比较输出值与实际值，识别能效偏离，作为控制调整参考。该方法在保证散热器不冻结、考虑空冷塔正常运行基础上，挖掘不同工况下经济性最优的百叶窗开度，有效提高间接空冷塔冷却效果，能够满足工程实际需要。
-
Patent Agency Ranking
公开(公告)号：CN115457520A
公开(公告)日：2022-12-09
申请号：CN202211082591.2
申请日：2022-09-06
Applicant: 东南大学
IPC: G06V20/59 , G06V20/70 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/28 , G06T7/73 , G06T7/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多层次特征聚合网络的动车油迹检测方法，根据动车内部结构得到原始图像，将其分为正常图像和带有油迹的图像，并进行人工标注，每一张图像标注获得对应的mask图像；对原始图像和其对应的mask图像预处理后，将其输入到多层次特征聚合网络模型中提取特征、增强特征、融合多方面的特征，输出关于油迹分布的图像，基于损失函数、基于随机梯度下降算法不断调整网络的参数，得到最合适的多层次特征聚合网络模型；该模型至少包括跨层特征注意力模块、多层次精炼特征模块、跨层特征增强模块；再基于全连接条件随机场进行后处理，优化图像中边界区域，输出油迹分布二值图，提供一种有效且合适的定位列车中油迹位置的方法。
-
公开(公告)号：CN114757932A
公开(公告)日：2022-07-15
申请号：CN202210465152.3
申请日：2022-04-29
Applicant: 东南大学
Abstract: 本发明涉及一种基于渐进式上下文理解网络的动车油迹检测方法，包括以下步骤：使用高清相机获得动车内部结构的二维图像，对数据集进行筛选，分为正常图像数据和带有油迹图像的数据；在训练阶段，对图像进行像素级标注，将图像中的油迹区域标注出来并将其像素值设为255，其余非油迹区域设为0，这就是图像的mask；将原图像和其mask图像分别进行预处理包括随机翻转等数据增强和归一化操作；将预处理后的数据输入到渐进式上下文理解网络中进行特征学习，得到一张可能包括油迹区域的二值图像。最后，将全连接条件随机场作为后处理操作，对输出的二值图像进行进一步的优化得到更准确的结果。本发明可以准确检测出动车内部结构中油迹在图像中的位置。
-
公开(公告)号：CN117711021A
公开(公告)日：2024-03-15
申请号：CN202311739491.7
申请日：2023-12-18
Applicant: 东南大学
IPC: G06V40/10 , G06V20/40 , G06V10/44 , G06T7/194 , G06V10/764
Abstract: 本发明公开了一种基于异常感知语义自对齐的视频行人重识别方法及系统，利用骨干网络从视频片段输入中提取特征图；训练语义部位分类器，将特征图输入到分类器中得到各语义部位的置信图；用置信图对特征图执行加权池化以获得局部嵌入；再构造串联嵌入、前景嵌入和全局嵌入，并在此基础上构造三个联合损失函数来优化模型网络；重复执行步骤直到模型收敛；最后利用训练后的模型，固定模型参数，提取行人视频片段的前景嵌入和全局嵌入计算待检索行人样本与候选行人样本的距离，最终按距离从小到大进行排序得到行人重识别结果。本方法在没有先验人体拓扑信息的情况下定位不同语义部位，学习对异常信息具有鲁棒性的局部特征表示，有效提升了识别准确率。
-
公开(公告)号：CN117853802A
公开(公告)日：2024-04-09
申请号：CN202410031203.0
申请日：2024-01-09
Applicant: 东南大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/40 , G06V10/42 , G06T5/90 , G06T5/40 , G06N3/08
Abstract: 本发明公开了一种基于特征交互网络的小样本动车异常检测方法及系统，包括数据采集与整理标注、图像预处理、建立多层次支撑‑查询图像特征交互网络模型并进行模型训练，最终实现动车异常检测。所述多层次支撑‑查询图像特征交互网络模型包括双注意力特征增强模块、特征聚合精炼模块和多分支关系解码器模块；将预处理后的支撑集和查询集图像对输入到多层次特征交互网络中提取多层次特征，support图像特征和其mask与query图像特征进行交互，预测query图像的异常分布图像，将图像与其对应标注的mask图像基于交叉熵损失函数计算损失，基于Adam算法优化模型的参数，反复迭代训练出最优模型，从而输出异常类别的预测结果。
-
公开(公告)号：CN116416649A
公开(公告)日：2023-07-11
申请号：CN202310407317.6
申请日：2023-04-14
Applicant: 东南大学
IPC: G06V40/10 , G06V20/40 , G06V10/62 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多尺度分辨率对齐的视频行人重识别方法，包括：构造多尺度的行人视频片段；将不同尺度的视频片段输入到有层次的多分支网络中提取特征；将各个尺度分支输出的特征图在时间维度上连接起来，并利用全局平均池化层来生成最终的视频级特征向量；构造交叉熵损失、三元组损失和相互信息损失来优化多分支网络；重复执行前述步骤直至模型收敛；训练结束之后，利用多分支网络从多尺度的行人视频片段中提取特征向量，并计算待检索行人视频片段的特征向量与候选行人视频片段的特征向量间的欧式距离，最终按照欧式距离从小到大进行排序得到行人重识别结果。本发明充分利用不同空间尺度的行人视频片段中的有效信息，有效提升了识别准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.058 seconds)
