-
公开(公告)号：CN108830827A
公开(公告)日：2018-11-16
申请号：CN201810409335.7
申请日：2018-05-02
Applicant: 通用电气公司
CPC classification number: G06K9/6259 , G06K9/6256 , G06K9/66 , G06T7/0004 , G06T7/0008 , G06T2207/20081 , G06T2207/20084 , G06T2207/30156 , G06T2207/30164
Abstract: 生成用于神经网络的训练图像的系统包含配置成接收表示在图像掩膜中的一个或多个选择的区域的输入的一个或多个处理器。一个或多个处理器配置成通过组合图像掩膜与设备的未标记图像，形成标记掩蔽图像。一个或多个处理器还配置成使用标记掩蔽图像来训练人工神经网络，以进行以下的一个或多个：自动识别在设备的一个或多个实际图像中出现的设备损坏和/或生成一个或多个训练图像以用于训练另一人工神经网络以自动识别在设备的一个或多个实际图像中出现的设备损坏。
-
公开(公告)号：CN108932711A
公开(公告)日：2018-12-04
申请号：CN201810492159.8
申请日：2018-05-21
Applicant: 通用电气公司
CPC classification number: G06T7/0006 , G06K9/00201 , G06K9/4628 , G06K9/6271 , G06T7/97 , G06T2207/20081 , G06T2207/20084 , G06T2207/30164
Abstract: 公开一种方法和系统，所述方法包括经由旋转的目标物体的多个绕转而获得所述目标物体的一系列图像。所述方法包括将所述图像分组成多个不同图像集合。所述不同集合中的每一个中的图像描绘所述目标物体的共用部分。在所述目标物体的不同绕转期间获得每一集合中的所述图像中的至少一些。所述方法进一步包括使用人工神经网络来检验所述多个图像集合中的至少第一集合中的图像以供通过所述人工神经网络对所关注物体进行自动辨识。
-
公开(公告)号：CN108734283A
公开(公告)日：2018-11-02
申请号：CN201810364434.8
申请日：2018-04-20
Applicant: 通用电气公司
IPC: G06N3/063
CPC classification number: G06K9/00201 , G06K9/00221 , G06K9/6256 , G06N3/04 , G06N3/0454 , G06N3/082
Abstract: 本公开提供了与人工神经网络有关的系统和方法。所述系统和方法获得教师网络，所述教师网络包括人工神经层，所述教师网络配置成自动识别通过所述人工神经层检验的图像中的一个或多个物体；在所述教师网络处接收任务图像集；用所述教师网络检验所述任务图像集；识别在用所述教师网络检验所述任务图像集期间被使用的所述人工神经层的子集；基于所述任务图像集定义学生网络。所述学生网络配置成自动识别通过所述子集检验的图像中的一个或多个物体。
-
公开(公告)号：CN108694721A
公开(公告)日：2018-10-23
申请号：CN201810304788.3
申请日：2018-04-04
Applicant: 通用电气公司
IPC: G06T7/207
CPC classification number: G06T7/215 , G06N3/0454 , G06N3/084 , G06T7/277 , G06T2207/20084 , G06T7/207 , G06T2207/10016 , G06T2207/20081
Abstract: 本公开提供了一种生成式对抗网络(GAN)系统，其包括生成器子网络，生成器子网络被配置成检验相对于物体的观察者运动的物体的图像。生成器子网络还被配置成基于被检验的图像生成一个或多个基于分布的图像。系统还包括鉴别器子网络，鉴别器子网络被配置成检验一个或多个基于分布的图像以确定一个或多个基于分布的图像是否准确地表示物体。由一个或多个基于分布的图像中所示的物体的相对运动表示物体的预测光流。
-
公开(公告)号：CN108734283B
公开(公告)日：2023-06-09
申请号：CN201810364434.8
申请日：2018-04-20
Applicant: 通用电气公司
IPC: G06N3/063
Abstract: 本公开提供了与人工神经网络有关的系统和方法。所述系统和方法获得教师网络，所述教师网络包括人工神经层，所述教师网络配置成自动识别通过所述人工神经层检验的图像中的一个或多个物体；在所述教师网络处接收任务图像集；用所述教师网络检验所述任务图像集；识别在用所述教师网络检验所述任务图像集期间被使用的所述人工神经层的子集；基于所述任务图像集定义学生网络。所述学生网络配置成自动识别通过所述子集检验的图像中的一个或多个物体。
-
Patent Agency Ranking
公开(公告)号：CN109003253B
公开(公告)日：2021-10-22
申请号：CN201810508516.5
申请日：2018-05-24
Applicant: 通用电气公司
Abstract: 本发明公开了一种神经网络点云生成系统，该系统包括一个或多个处理器和存储生成式对抗网络(GAN)的存储器。所述一个或多个处理器被配置成接收低分辨率点云，所述低分辨率点云包括表示对象的一组三维(3D)数据点。所述GAN的生成器被配置成至少部分地基于所述低分辨率点云中的所述数据点的一个或多个特性来生成第一组生成数据点，并且将所述生成数据点内插到所述低分辨率点云中以产生表示所述对象并且具有比所述低分辨率点云更高的分辨率的超分辨点云。
-
公开(公告)号：CN106996740B
公开(公告)日：2019-10-18
申请号：CN201611129694.4
申请日：2016-12-09
Applicant: 通用电气公司
IPC: G01B11/00
Abstract: 用于将探头(100)定位于燃气涡轮发动机(10)内的方法(300)可以大体上包括将多个位置发送器(204)相对于发动机(10)而定位和将探头(100)通过发动机(10)的进入孔(62)而插入，其中，探头(100)包括探头末端(104)和配置成接收从位置发送器(204)发送的与位置相关的信号的位置信号接收器(120)。方法(300)还可以包括：至少部分地基于与位置相关的信号，确定探头末端(104)在发动机(10)内的当前位置；和识别与探头末端(104)在发动机(10)内的当前位置相对应的探头末端(104)在发动机(10)的三维模型(232)内的虚拟位置(234)。此外，方法(300)可以包括，为显示发动机(10)的三维模型(232)作准备，其中，探头末端(104)的虚拟位置(234)显示为三维模型(232)内的视觉指标。
-
公开(公告)号：CN109003253A
公开(公告)日：2018-12-14
申请号：CN201810508516.5
申请日：2018-05-24
Applicant: 通用电气公司
CPC classification number: G06K9/66 , G06K9/6215 , G06K9/627 , G06T3/4007 , G06T3/4053 , G06T7/0002 , G06T2200/04 , G06T2207/10028 , G06T2207/20084 , G06T2207/30108
Abstract: 本发明公开了一种神经网络点云生成系统，该系统包括一个或多个处理器和存储生成式对抗网络(GAN)的存储器。所述一个或多个处理器被配置成接收低分辨率点云，所述低分辨率点云包括表示对象的一组三维(3D)数据点。所述GAN的生成器被配置成至少部分地基于所述低分辨率点云中的所述数据点的一个或多个特性来生成第一组生成数据点，并且将所述生成数据点内插到所述低分辨率点云中以产生表示所述对象并且具有比所述低分辨率点云更高的分辨率的超分辨点云。
-
公开(公告)号：CN108694712B
公开(公告)日：2022-12-13
申请号：CN201810293560.9
申请日：2018-04-03
Applicant: 通用电气公司
Abstract: 本公开提供了一种生成式对抗网络(GAN)系统，包括：生成器子网络，所述生成器子网络被配置成检验设备的一个或多个实际损坏图像。所述生成器子网络还被配置成基于被检验的所述一个或多个实际损坏图像创建一个或多个潜在损坏图像。所述GAN系统还包括鉴别器子网络，所述鉴别器子网络被配置成检验所述一个或多个潜在损坏图像，以确定所述一个或多个潜在损坏图像是否代表所述设备的实际损坏的发展。
-
公开(公告)号：CN108932711B
公开(公告)日：2022-01-14
申请号：CN201810492159.8
申请日：2018-05-21
Applicant: 通用电气公司
Abstract: 公开一种方法和系统，所述方法包括经由旋转的目标物体的多个绕转而获得所述目标物体的一系列图像。所述方法包括将所述图像分组成多个不同图像集合。所述不同集合中的每一个中的图像描绘所述目标物体的共用部分。在所述目标物体的不同绕转期间获得每一集合中的所述图像中的至少一些。所述方法进一步包括使用人工神经网络来检验所述多个图像集合中的至少第一集合中的图像以供通过所述人工神经网络对所关注物体进行自动辨识。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.031 seconds)
