-
公开(公告)号：CN118334330A
公开(公告)日：2024-07-12
申请号：CN202410358422.X
申请日：2024-03-27
Applicant: 河海大学 , 华能澜沧江水电股份有限公司 , 中国电建集团昆明勘测设计研究院有限公司
Inventor： 钱勇 , 毛莺池 , 赵培双 , 李洪波 , 潘祯祥 , 廖贵能 , 陈时 , 彭欣欣 , 张礼兵 , 刘军显 , 李耀德 , 王海燕 , 吴智明 , 马江霞 , 杨福平 , 赵家尧 , 吴永奇 , 孙亚民 , 孔岩鑫 , 查海华 , 李临国 , 李景卫 , 陈汝春
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于双向跨模态注意力机制的RGB‑D大坝缺陷图像语义分割方法，对输入的RGB‑D大坝图像进行特征提取，利用两个并行的分层Transformer网络分阶段提取多种分辨率大小的RGB图像特征图和深度图像特征图；将各阶段提取到的两种特征图一起输送到特征校准模块CA‑FCM，利用通道注意力机制对来自两种模态的特征进行相互校准，过滤彼此的噪声信息；将同一级别校准后的特征送入特征融合模块CM‑FFM，基于跨模态注意力机制进一步地完善RGB特征图和深度特征图，并融合成单个特征图；将融合后的特征图由多层感知机组成的解码器进行解码，转换成语义分割图。本发明解决了对RGB‑D大坝缺陷图像特征提取不充分，以及无法有效融合RGB特征图和深度特征图的问题，从而提高了RGB‑D大坝缺陷图像语义分割的精度。
-
Patent Agency Ranking
公开(公告)号：CN116660639B
公开(公告)日：2024-05-03
申请号：CN202310236003.4
申请日：2023-03-10
Applicant: 国网宁夏电力有限公司电力科学研究院 , 国网宁夏电力有限公司 , 河海大学
IPC: G01R31/00 , G06F18/213 , G06F18/241 , G06F18/214
Abstract: 本发明提供一种基于CCGOA‑SVDD的变压器故障诊断方法及系统，旨在提高OLTC的故障诊断精度。方法包括：采集变压器的部件的特征信号；对特征信号进行多个特征量提取，获得融合特征矩阵；通过对融合特征矩阵集合进行初始筛选，获得第一特征矩阵集合；通过反向学习策略对第一特征矩阵集合进行更新处理，以及通过惯性权重云模型对第二特征矩阵集合进行分类并设置惯性权重，获得第三特征矩阵集合；通过最优个体混沌搜索策略对第三特征矩阵集合进行迭代处理，获得目标特征矩阵集合；通过目标特征矩阵集合对模型进行训练，获得目标故障分类模型；通过将融合特征矩阵输入目标故障分类模型进行处理，获得分类结果。
-
公开(公告)号：CN114708517A
公开(公告)日：2022-07-05
申请号：CN202210244009.1
申请日：2022-03-14
Applicant: 河海大学
IPC: G06V20/17 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开公开一种基于注意力的自适应元学习岩性识别方法及装置，设计了一个元学习岩性识别模型，采用情景训练策略模拟少样本场景，该模型主要分为两部分：骨干网络部分和超参数生成网络。骨干网络部分为融合多层注意力机制的残差网络进行特征提取，利用注意力机制从特征图中提取线性与非线性信息，再利用softmax函数进行归一化分类。超参数生成网络动态生成两个重要的超参数：学习率与权重衰减系数，实现更好的训练和泛化。本发明针对岩石图像量少，岩石特征差异性较小的特点设计了注意力特征提取模型，得到的特征具有更强的分辨能力，能够提高分类精度。利用超参数生成网络动态生成超参数，使得在元学习场景下每个内环迭代都能适应给定的任务。
-
公开(公告)号：CN118334330B
公开(公告)日：2024-11-08
申请号：CN202410358422.X
申请日：2024-03-27
Applicant: 河海大学 , 华能澜沧江水电股份有限公司 , 中国电建集团昆明勘测设计研究院有限公司
Inventor： 钱勇 , 毛莺池 , 赵培双 , 李洪波 , 潘祯祥 , 廖贵能 , 陈时 , 彭欣欣 , 张礼兵 , 刘军显 , 李耀德 , 王海燕 , 吴智明 , 马江霞 , 杨福平 , 赵家尧 , 吴永奇 , 孙亚民 , 孔岩鑫 , 查海华 , 李临国 , 李景卫 , 陈汝春
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于双向跨模态注意力机制的RGB‑D大坝缺陷图像语义分割方法，对输入的RGB‑D大坝图像进行特征提取，利用两个并行的分层Transformer网络分阶段提取多种分辨率大小的RGB图像特征图和深度图像特征图；将各阶段提取到的两种特征图一起输送到特征校准模块CA‑FCM，利用通道注意力机制对来自两种模态的特征进行相互校准，过滤彼此的噪声信息；将同一级别校准后的特征送入特征融合模块CM‑FFM，基于跨模态注意力机制进一步地完善RGB特征图和深度特征图，并融合成单个特征图；将融合后的特征图由多层感知机组成的解码器进行解码，转换成语义分割图。本发明解决了对RGB‑D大坝缺陷图像特征提取不充分，以及无法有效融合RGB特征图和深度特征图的问题，从而提高了RGB‑D大坝缺陷图像语义分割的精度。
-
公开(公告)号：CN116660639A
公开(公告)日：2023-08-29
申请号：CN202310236003.4
申请日：2023-03-10
Applicant: 国网宁夏电力有限公司电力科学研究院 , 国网宁夏电力有限公司 , 河海大学
IPC: G01R31/00 , G06F18/213 , G06F18/241 , G06F18/214
Abstract: 本发明提供一种基于CCGOA‑SVDD的变压器故障诊断方法及系统，旨在提高OLTC的故障诊断精度。方法包括：采集变压器的部件的特征信号；对特征信号进行多个特征量提取，获得融合特征矩阵；通过对融合特征矩阵集合进行初始筛选，获得第一特征矩阵集合；通过反向学习策略对第一特征矩阵集合进行更新处理，以及通过惯性权重云模型对第二特征矩阵集合进行分类并设置惯性权重，获得第三特征矩阵集合；通过最优个体混沌搜索策略对第三特征矩阵集合进行迭代处理，获得目标特征矩阵集合；通过目标特征矩阵集合对模型进行训练，获得目标故障分类模型；通过将融合特征矩阵输入目标故障分类模型进行处理，获得分类结果。
-
公开(公告)号：CN114708517B
公开(公告)日：2024-03-12
申请号：CN202210244009.1
申请日：2022-03-14
Applicant: 河海大学
IPC: G06V20/17 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/0985
Abstract: 本发明公开公开一种基于注意力的自适应元学习岩性识别方法及装置，设计了一个元学习岩性识别模型，采用情景训练策略模拟少样本场景，该模型主要分为两部分：骨干网络部分和超参数生成网络。骨干网络部分为融合多层注意力机制的残差网络进行特征提取，利用注意力机制从特征图中提取线性与非线性信息，再利用softmax函数进行归一化分类。超参数生成网络动态生成两个重要的超参数：学习率与权重衰减系数，实现更好的训练和泛化。本发明针对岩石图像量少，岩石特征差异性较小的特点设计了注意力特征提取模型，得到的特征具有更强的分辨能力，能够提高分类精度。利用超参数生成网络动态生成超参数，使得在元学习场景下每个内环迭代都能适应给定的任务。
-
-
-
-
-
Search Results
6
records
(took 0.196 seconds)
