-
公开(公告)号：CN119149247B
公开(公告)日：2025-03-18
申请号：CN202411624235.8
申请日：2024-11-14
Applicant: 南京信息工程大学
Abstract: 本发明公开一种面向边缘分布式训练的资源动态分析与样本负载调度优化方法，包括统计操作符占比；运行算力资源的单一资源密集型负载，获取负载的训练样本总数、算力资源利用率和负载完成时间；根据训练样本总数和负载完成时间，获得任务执行强度值；根据算力资源利用率和任务执行强度值，获得算力资源评估值；根据算力资源和操作符占比，获得畸变雷达图；将算力资源评估值标记在畸变雷达图中，获得计算节点的算力资源与任务匹配度比值，以最小化最快节点与最慢节点完成迭代的时间间隔为优化目标建立优化模型，获得样本负载分配优化方案。解决了边缘环境中设备异构且算力资源有限的问题。
-
公开(公告)号：CN119149247A
公开(公告)日：2024-12-17
申请号：CN202411624235.8
申请日：2024-11-14
Applicant: 南京信息工程大学
Abstract: 本发明公开一种面向边缘分布式训练的资源动态分析与样本负载调度优化方法，包括统计操作符占比；运行算力资源的单一资源密集型负载，获取负载的训练样本总数、算力资源利用率和负载完成时间；根据训练样本总数和负载完成时间，获得任务执行强度值；根据算力资源利用率和任务执行强度值，获得算力资源评估值；根据算力资源和操作符占比，获得畸变雷达图；将算力资源评估值标记在畸变雷达图中，获得计算节点的算力资源与任务匹配度比值，以最小化最快节点与最慢节点完成迭代的时间间隔为优化目标建立优化模型，获得样本负载分配优化方案。解决了边缘环境中设备异构且算力资源有限的问题。
-
公开(公告)号：CN118037733B
公开(公告)日：2024-06-07
申请号：CN202410438275.7
申请日：2024-04-12
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/11 , G06T5/50 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于距离信息驱动的复杂工业图像异常检测方法及装置，方法为将待检测图像输入训练好的图像异常检测模型，获得异常定位图。本发明通过确定待检测物体中心并生成距离表示图像，可以学习物体每一块区域的特征分布，将不符合这种分布的区域判定为异常，能够有效的定位出复杂图片中每一个待检测物体的位置，并且能检测和定位出每一个待检测物体上可能存在的异常；在训练时不使用任何真实的异常图像，通过引入大模型对待检测物体进行分割，在获取了真实物体分割图像的同时指导小型分割模型的训练，以便在测试阶段摆脱对大模型的依赖，以较低的成本使模型同时具有分割待检测物体和物体上异常的能力。
-
公开(公告)号：CN117809123A
公开(公告)日：2024-04-02
申请号：CN202410227319.1
申请日：2024-02-29
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/26 , G06F16/51 , G06F16/532 , G06F16/583 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种双阶段图像的异常检测与重构方法及系统，方法包括：将输入图像输入至预设的图像分割模型获得异常掩码图#imgabs0#；将所述异常掩码图#imgabs1#中的伪异常区域所对应在输入图像的区域记为可疑异常区域#imgabs2#；将输入图像的可疑异常区域#imgabs3#替换为相似图像对应的区域获得叠加图像#imgabs4#；对叠加图像#imgabs5#进行灰度化处理后输入预设的图像重构模型获得重构图像#imgabs6#；逐像素比较重构图像#imgabs7#与输入图像之间的差异获得异常得分，根据异常得分对输入图像的异常区域进行定位和判断；本发明不仅可以重构正常图片细节，还可以有效重构大面积的异常，进而增加整体的异常检测精度。
-
公开(公告)号：CN116385807A
公开(公告)日：2023-07-04
申请号：CN202310621436.1
申请日：2023-05-30
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/56 , G06V10/26
Abstract: 本发明公开了一种异常图像样本生成方法及装置，步骤1：获取标准化图像；步骤2：进行像素点采样；步骤3：进行分类确定标准化图像的颜色分布情况；步骤4：生成区域的位置以及生成异常的大小；步骤5：随机选取对应所述所需区域大小的区域，确定随机区域，接着确定随机区域的位置，并在此位置根据所述生成异常的大小生成方框；步骤6：为生成的方框随机添加颜色滤镜、增大、旋转、填充、变色中的一种操作；步骤7：在操作后的方框对应位置处随机选择一个方向，重复步骤4和步骤5若干次，扩展生成多个方框，将包括所有方框的标准化图像作为最终的模拟异常图像。优点：保证了模拟出的异常能够拟合实际中的异常情况，更好的完成异常检测任务。
-
Patent Agency Ranking
公开(公告)号：CN118470014B
公开(公告)日：2024-09-24
申请号：CN202410925191.6
申请日：2024-07-11
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种工业异常检测方法及系统，包括：获取待异常检测的图像；根据获取的图像，基于预训练好的异常检测模型，对异常进行检测定位；所述异常检测模型包括：骨干网络、池化层、级联流、双子流以及恒定流；所述级联流包含若干依次排列的流块。本发明使得异常数据特征与正常数据特征之间有更加明显的区别，进而提升定位异常的效果。
-
公开(公告)号：CN118037733A
公开(公告)日：2024-05-14
申请号：CN202410438275.7
申请日：2024-04-12
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06T7/11 , G06T5/50 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于距离信息驱动的复杂工业图像异常检测方法及装置，方法为将待检测图像输入训练好的图像异常检测模型，获得异常定位图。本发明通过确定待检测物体中心并生成距离表示图像，可以学习物体每一块区域的特征分布，将不符合这种分布的区域判定为异常，能够有效的定位出复杂图片中每一个待检测物体的位置，并且能检测和定位出每一个待检测物体上可能存在的异常；在训练时不使用任何真实的异常图像，通过引入大模型对待检测物体进行分割，在获取了真实物体分割图像的同时指导小型分割模型的训练，以便在测试阶段摆脱对大模型的依赖，以较低的成本使模型同时具有分割待检测物体和物体上异常的能力。
-
公开(公告)号：CN117809123B
公开(公告)日：2024-05-14
申请号：CN202410227319.1
申请日：2024-02-29
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/26 , G06F16/51 , G06F16/532 , G06F16/583 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种双阶段图像的异常检测与重构方法及系统，方法包括：将输入图像输入至预设的图像分割模型获得异常掩码图#imgabs0#；将所述异常掩码图#imgabs1#中的伪异常区域所对应在输入图像的区域记为可疑异常区域#imgabs2#；将输入图像的可疑异常区域#imgabs3#替换为相似图像对应的区域获得叠加图像#imgabs4#；对叠加图像#imgabs5#进行灰度化处理后输入预设的图像重构模型获得重构图像#imgabs6#；逐像素比较重构图像#imgabs7#与输入图像之间的差异获得异常得分，根据异常得分对输入图像的异常区域进行定位和判断；本发明不仅可以重构正常图片细节，还可以有效重构大面积的异常，进而增加整体的异常检测精度。
-
公开(公告)号：CN116385807B
公开(公告)日：2023-09-12
申请号：CN202310621436.1
申请日：2023-05-30
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/56 , G06V10/26
Abstract: 本发明公开了一种异常图像样本生成方法及装置，步骤1：获取标准化图像；步骤2：进行像素点采样；步骤3：进行分类确定标准化图像的颜色分布情况；步骤4：生成区域的位置以及生成异常的大小；步骤5：随机选取对应所述所需区域大小的区域，确定随机区域，接着确定随机区域的位置，并在此位置根据所述生成异常的大小生成方框；步骤6：为生成的方框随机添加颜色滤镜、增大、旋转、填充、变色中的一种操作；步骤7：在操作后的方框对应位置处随机选择一个方向，重复步骤4和步骤5若干次，扩展生成多个方框，将包括所有方框的标准化图像作为最终的模拟异常图像。优点：保证了模拟出的异常能够拟合实际中的异常情况，更好的完成异常检测任务。
-
公开(公告)号：CN119989247A
公开(公告)日：2025-05-13
申请号：CN202510484103.8
申请日：2025-04-17
Applicant: 南京信息工程大学
IPC: G06F18/2433 , G06F18/25 , G06F18/213 , G06F18/15 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F40/30 , G06V20/70 , G06V10/82
Abstract: 本发明公开了一种基于跨模态自适应交互的少样本工业异常检测方法，根据对齐后的最终特征，正常语义投影，异常语义投影，优化后的视觉特征以及优化后的文本特征计算总损失，并利用总损失对工业异常检测模型参数更新，得到训练好的工业异常检测模型；将待检测的工业图像输入训练好的工业异常检测模型，得到对齐后的最终特征，异常语义投影、优化后的视觉特征以及优化后的文本特征，用于判断待检测的工业图像异常情况。本发明在仅需少量正常样本的条件下，即可显著增强模型对正常与异常特征的区分能力，降低对标注数据的依赖，为智能制造提供一种高精度、低成本且可快速部署的工业异常检测解决方案。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
