-
公开(公告)号：CN113283382B
公开(公告)日：2022-08-30
申请号：CN202110660948.X
申请日：2021-06-15
Applicant: 合肥工业大学 , 合肥工业大学智能制造技术研究院
Abstract: 本发明公开一种井下管道泄漏场景描述方法和装置，包括：步骤1、获取井下管道场景状态图像；步骤2、将井下管道状态场景图像处理为标记图像，将标记后的图像分为训练样本和测试样本；步骤3、使用训练样本训练图像变化描述模型；步骤4、将测试样本输入至所述图像变化描述模型，以得到描述结果。采用本发明的技术方案，以解决传统监控设备无法提供及时有效的井下管道状态信息的技术问题，并辅助工作人员进行判断检测。
-
公开(公告)号：CN113239886B
公开(公告)日：2024-03-19
申请号：CN202110626949.2
申请日：2021-06-04
Applicant: 合肥工业大学智能制造技术研究院 , 合肥工业大学
IPC: G06V20/40 , G06V20/52 , G06V20/70 , G06V10/774 , G06V10/82 , G06N3/044 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于跨语言图像变化描述的井下管道泄漏描述方法及装置，所述方法包括：获取井下管道场景图像，对图像进行预处理得到训练集和测试集；构建基于双重动态注意力机制的跨语言图像变化描述模型；将基于双重动态注意力机制的跨语言图像变化描述模型在训练集上训练；利用训练好的基于双重动态注意力机制的跨语言图像变化描述模型对测试集进行测试，获得图像描述结果；本发明的优点在于：井下管道泄漏描述较为准确。
-
公开(公告)号：CN113239886A
公开(公告)日：2021-08-10
申请号：CN202110626949.2
申请日：2021-06-04
Applicant: 合肥工业大学智能制造技术研究院 , 合肥工业大学
Abstract: 本发明公开了基于跨语言图像变化描述的井下管道泄漏描述方法及装置，所述方法包括：获取井下管道场景图像，对图像进行预处理得到训练集和测试集；构建基于双重动态注意力机制的跨语言图像变化描述模型；将基于双重动态注意力机制的跨语言图像变化描述模型在训练集上训练；利用训练好的基于双重动态注意力机制的跨语言图像变化描述模型对测试集进行测试，获得图像描述结果；本发明的优点在于：井下管道泄漏描述较为准确。
-
公开(公告)号：CN113283382A
公开(公告)日：2021-08-20
申请号：CN202110660948.X
申请日：2021-06-15
Applicant: 合肥工业大学 , 合肥工业大学智能制造技术研究院
Abstract: 本发明公开一种井下管道泄漏场景描述方法和装置，包括：步骤1、获取井下管道场景状态图像；步骤2、将井下管道状态场景图像处理为标记图像，将标记后的图像分为训练样本和测试样本；步骤3、使用训练样本训练图像变化描述模型；步骤4、将测试样本输入至所述图像变化描述模型，以得到描述结果。采用本发明的技术方案，以解决传统监控设备无法提供及时有效的井下管道状态信息的技术问题，并辅助工作人员进行判断检测。
-
Patent Agency Ranking
公开(公告)号：CN114639021B
公开(公告)日：2024-08-20
申请号：CN202210308818.4
申请日：2022-03-25
Applicant: 合肥工业大学
IPC: G06V20/10 , G06V10/22 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种目标检测模型的训练方法及目标划分方法，能够采集无标签的包含预设目标的图片作为目标域数据图片，并进行增强处理得到目标域数据集；将目标域数据集中的图片随机分为训练集、测试集；根据训练集训练教师模型和学生模型，得到第一模型和第二模型；训练过程中采用知识蒸馏和权重正则化策略更新更新第二模型的权重参数，并根据第二模型的权重参数更新第一模型的权重参数；将测试集输入更新权重参数后的第一模型，将满足预设条件的第一模型作为目标检测模型。本发明可以解决数据隐私保护、存储空间受限、人力成本高昂等因素导致的实时情况下大量源域标注样本不可获得的问题，完成无源域数据的域自适应目标检测任务。
-
公开(公告)号：CN114639021A
公开(公告)日：2022-06-17
申请号：CN202210308818.4
申请日：2022-03-25
Applicant: 合肥工业大学
IPC: G06V20/10 , G06V10/22 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种目标检测模型的训练方法及目标划分方法，能够采集无标签的包含预设目标的图片作为目标域数据图片，并进行增强处理得到目标域数据集；将目标域数据集中的图片随机分为训练集、测试集；根据训练集训练教师模型和学生模型，得到第一模型和第二模型；训练过程中采用知识蒸馏和权重正则化策略更新更新第二模型的权重参数，并根据第二模型的权重参数更新第一模型的权重参数；将测试集输入更新权重参数后的第一模型，将满足预设条件的第一模型作为目标检测模型。本发明可以解决数据隐私保护、存储空间受限、人力成本高昂等因素导致的实时情况下大量源域标注样本不可获得的问题，完成无源域数据的域自适应目标检测任务。
-
公开(公告)号：CN114663725A
公开(公告)日：2022-06-24
申请号：CN202210278102.4
申请日：2022-03-21
Applicant: 合肥工业大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种多领域自适应模型的训练方法、系统、设备及存储介质，所述方法包括：获得源域数据和目标域数据，并根据域不同将目标域数据划分为若干个分组，每个分组包含一个域的目标域数据；将源域数据输入源域分类网络，将一组目标域数据输入目标域分类网络进行训练，根据训练结果更新增量卷积层的权重，其中，源域分类网络和目标域分类网络的权重共享；将增量卷积层的权重加载至源域分类网络和目标域分类网络；选择另一组目标域数据，进行迭代训练，直至目标域数据训练完毕，获得多领域自适应模型。解决了在传统自适应模型中，只能使用单源域到单目标域的问题。
-
公开(公告)号：CN114186063B
公开(公告)日：2024-06-21
申请号：CN202111522655.1
申请日：2021-12-14
Applicant: 合肥工业大学
IPC: G06F16/35 , G06F40/30 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种跨域文本情绪分类模型的训练方法和分类方法，训练方法包括：获取源域和目标域的文本数据，进行预处理得到词向量，并分为训练集和测试集；通过双向门限循环单元网络模型和自注意力机制提取训练集中的文本特征；在损失函数的约束下，根据文本特征分别同时训练第一神经网络模型、第二神经网络模型直至收敛；其中，根据互信息，构建第一神经网络模型的损失函数，并采用梯度反转实现第二神经网络模型和特征提取器的对抗学习训练；根据测试集中的词向量，得到跨域文本情绪分类模型。本发明能够有效将未标注的文本数据集进行分类，能够将其他领域的知识迁移到目标域来避免标注数据不足的问题，同时提高跨域文本情绪分类的准确性和可信度。
-
公开(公告)号：CN114186063A
公开(公告)日：2022-03-15
申请号：CN202111522655.1
申请日：2021-12-14
Applicant: 合肥工业大学
Abstract: 本发明提供一种跨域文本情绪分类模型的训练方法和分类方法，训练方法包括：获取源域和目标域的文本数据，进行预处理得到词向量，并分为训练集和测试集；通过双向门限循环单元网络模型和自注意力机制提取训练集中的文本特征；在损失函数的约束下，根据文本特征分别同时训练第一神经网络模型、第二神经网络模型直至收敛；其中，根据互信息，构建第一神经网络模型的损失函数，并采用梯度反转实现第二神经网络模型和特征提取器的对抗学习训练；根据测试集中的词向量，得到跨域文本情绪分类模型。本发明能够有效将未标注的文本数据集进行分类，能够将其他领域的知识迁移到目标域来避免标注数据不足的问题，同时提高跨域文本情绪分类的准确性和可信度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
