公开(公告)号：CN116416552A

公开(公告)日：2023-07-11

申请号：CN202310177624.X

申请日：2023-02-17

Applicant: 北京信息科技大学

Inventor： 郭亚男 ,  曹林 ,  杜康宁 ,  孙文文 ,  田澍 ,  张帆 ,  赵宗民

IPC: G06V20/40 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本说明书提供了视频异常检测方法、装置和计算机可读存储介质。基于该方法，具体实施前，预先训练得到至少包括跨模态注意力机制模块的预设的特征处理模型。具体实施时，先将所获取的目标视频划分成多个目标图像片段和多个目标光流片段；再利用预设的特征提取网络处理多个目标图像片段和多个目标光流片段，提取得到对应的目标外观特征和目标运动特征；接着，利用预设的特征处理模型先通过跨模态注意力机制模块去除目标外观特征和目标运动特征的冗余信息，得到并融合优化后的目标外观特征和优化后的目标运动特征；再利用预设的特征处理模型通过处理融合后的目标特征，得到目标处理结果，从而能够准确、高效地确定出目标视频是否存在异常目标。

公开(公告)号：CN113156200B

公开(公告)日：2023-01-13

申请号：CN202011469988.8

申请日：2020-12-14

Applicant: 北京信息科技大学(CN) ,  中国电力科学研究院有限公司(CN)

Inventor： 董伟杰 ,  石文辉 ,  罗魁 ,  王义龙 ,  刘泉 ,  何国庆 ,  孙文文 ,  王茂 ,  曹艳艳

IPC: G01R21/06 ,  G01R21/133 ,  G05B19/042 ,  H02J3/00 ,  G06F17/11 ,  G06F17/16 ,  G06F17/18

Abstract: 一种电网低频振荡实时监测装置，包括CPU部分和FPGA部分，CPU部分用于计算线路功率，并滤波后得到低频振荡衰减信号，传送给FPGA部分以进行改进的快速Prony算法，计算得到Am,θm,αm,fm参数，计算出原始数据拟合数据并与原始数据x(q)做误差求平方和得到J，通过反复计算直到J不再增大且小于阈值ε，则结束运算。本发明采用FPGA与CPU分离计算，整体运算速度效率提高，成本降低；利用改进的快速prony算法，计算得到的振荡频率具有较高的相似性，较容易在嵌入式处理器中实现；整体方案成本低、实现简便，所需要硬件资源少，绕开大量的矩阵求逆计算，计算量小，速度快。

公开(公告)号：CN119131167A

公开(公告)日：2024-12-13

申请号：CN202411123567.8

申请日：2024-08-15

Applicant: 北京信息科技大学

Inventor： 杜康宁 ,  王朝艺 ,  曹林 ,  郭亚男 ,  孙文文 ,  田澍

IPC: G06T11/00 ,  G06T5/70 ,  G06T3/053 ,  G06T7/44 ,  G06V40/16 ,  G06V10/74 ,  G06V10/80

Abstract: 本申请公开了一种素描图像的生成方法、装置及电子设备。其中，该方法包括：获取待进行处理的光学人脸图像，其中，光学人脸图像为光学域图像；采用素描生成模型对光学人脸图像进行处理，得到与光学人脸图像对应的素描图像，其中，素描生成模型生成的素描图像为素描域图像，素描生成模型为通过域间距离优化损失函数训练得到的，通过域间距离优化损失函数学习图像从光学域到素描域的映射，使得素描图像与光学人脸图像对应的真实素描图像的相似度大于预设阈值。本申请解决了相关技术中的素描合成方法存在特征分布匹配精确度低，生成的素描图像与真实素描图像模态差异较大的技术问题。

公开(公告)号：CN113156200A

公开(公告)日：2021-07-23

申请号：CN202011469988.8

申请日：2020-12-14

Applicant: 北京信息科技大学 ,  中国电力科学研究院有限公司

Inventor： 董伟杰 ,  石文辉 ,  罗魁 ,  王义龙 ,  刘泉 ,  何国庆 ,  孙文文 ,  王茂 ,  曹艳艳

IPC: G01R21/06 ,  G01R21/133 ,  G05B19/042 ,  H02J3/00 ,  G06F17/11 ,  G06F17/16 ,  G06F17/18

Abstract: 一种电网低频振荡实时监测装置，包括CPU部分和FPGA部分，CPU部分用于计算线路功率，并滤波后得到低频振荡衰减信号，传送给FPGA部分以进行改进的快速Prony算法，计算得到Am,θm,αm,fm参数，计算出原始数据拟合数据并与原始数据x(q)做误差求平方和得到J，通过反复计算直到J不再增大且小于阈值ε，则结束运算。本发明采用FPGA与CPU分离计算，整体运算速度效率提高，成本降低；利用改进的快速prony算法，计算得到的振荡频率具有较高的相似性，较容易在嵌入式处理器中实现；整体方案成本低、实现简便，所需要硬件资源少，绕开大量的矩阵求逆计算，计算量小，速度快。

公开(公告)号：CN118918412A

公开(公告)日：2024-11-08

申请号：CN202410931783.9

申请日：2024-07-11

Applicant: 北京信息科技大学

Inventor： 杜康宁 ,  张霁宇 ,  曹林 ,  郭亚男 ,  孙文文 ,  田澍

IPC: G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/094 ,  G06N3/0985

Abstract: 本申请公开了一种模型的训练方法及装置、非易失性存储介质、电子设备。其中，该方法包括：获取包含人脸图像的光学图像、对光学图像进行掩膜处理得到的目标图像、光学图像对应的目标素描图像，其中，目标素描图像中包含人脸图像；根据光学图像生成特征图像，其中，特征图像包括：面部特征图像和头发特征图像；将特征图像、光学图像和目标图像作为训练数据，以目标素描图像作为测试数据对神经网络模型进行迭代训练，直到迭代次数达到预设次数，确定训练完成。本申请解决了由于相关技术中采用对比学习的方法训练模型时，忽略人脸面部结构的空间分布造成的训练得到的模型输出的人脸素描图像存在面部区域纹理模糊和头发区域纹理模糊的技术问题。