-
公开(公告)号：CN119130932B
公开(公告)日：2025-03-11
申请号：CN202411142786.0
申请日：2024-08-20
Applicant: 合肥工业大学
IPC: G06T7/00 , G06T5/80 , G06T5/70 , G06T5/40 , G06T5/60 , G06V10/764 , G06V10/82 , G06T7/73 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多光照噪声场扩散的低光照异常铁路状态检测方法。本发明对于低光照铁路图像，采用直方图均衡化，获得初步的光照校正图像；采用高斯平滑策略，估计图像噪声标准差，获得低噪声校正图像；采用多Gamma校正，生成多噪声分布下的校正图像；利用光照校正图像的YOLO卷积特征，来估计多噪声分布场，并采用扩散模型抑制特征中的光照噪声；使用多分支的YOLO检测器，进行多噪声分布下的异常铁路状态检测。本发明估计多光照噪声场，并使用扩散模型来抑制光照噪声，可以提高异常铁路状态检测准确性。
-
Patent Agency Ranking
公开(公告)号：CN118035926B
公开(公告)日：2024-06-18
申请号：CN202410432016.3
申请日：2024-04-11
Applicant: 合肥工业大学
IPC: G06F18/2433 , G06F18/214 , G06N3/088 , G06F123/02
Abstract: 本发明涉及在线监控和数据检测技术领域，尤其是一种基于多元数据扩散的模型训练、水检测方法及系统。本发明提出的基于多元数据扩散的模型训练方法，本质是为了训练多元时间序列无监督异常检测模型。本发明对标准扩散模型进行了改进，该模型不是直接由输入数据和重构数据得出异常分数，而是将扩散步长应用到异常分数的表示上，而是将扩散步长应用到异常分数的表示上，以增强对MTS时间依赖性的学习。本发明训练的异常检测模型在检测精度方面优于当前最先进的所有基准，具有更好的F1得分，最终训练的异常检测模型在鲁棒性上显著超越了现有水平。
-
公开(公告)号：CN118101497B
公开(公告)日：2024-07-02
申请号：CN202410491172.7
申请日：2024-04-23
Applicant: 合肥工业大学
IPC: H04L41/147 , H04L41/16 , H04L43/0876 , H04L45/02 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明涉及网络工程和人工智能技术领域，尤其是一种基于生成流模型的网络流量矩阵估计模型、方法及系统。流量矩阵估计模型包括嵌入模块和基于流的生成模块，嵌入模块包括编码器和解码器。本发明提出的基于生成流模型的网络流量矩阵估计模型的训练方法，在训练流量矩阵估计模型时，考虑到了丢失信息，基于流量矩阵到链路负载和丢失信息的映射关系，训练嵌入模块和生成模块；从而可以在不了解路由矩阵的情况下，无偏地学习从流量矩阵到链路负载的可逆变换，使得训练完成的流量矩阵估计模型，可通过逆运算，结合随机抽样的丢失信息和链路负载高精度预测流量矩阵。
-
公开(公告)号：CN118035926A
公开(公告)日：2024-05-14
申请号：CN202410432016.3
申请日：2024-04-11
Applicant: 合肥工业大学
IPC: G06F18/2433 , G06F18/214 , G06N3/088 , G06F123/02
Abstract: 本发明涉及在线监控和数据检测技术领域，尤其是一种基于多元数据扩散的模型训练、水检测方法及系统。本发明提出的基于多元数据扩散的模型训练方法，本质是为了训练多元时间序列无监督异常检测模型。本发明对标准扩散模型进行了改进，该模型不是直接由输入数据和重构数据得出异常分数，而是将扩散步长应用到异常分数的表示上，而是将扩散步长应用到异常分数的表示上，以增强对MTS时间依赖性的学习。本发明训练的异常检测模型在检测精度方面优于当前最先进的所有基准，具有更好的F1得分，最终训练的异常检测模型在鲁棒性上显著超越了现有水平。
-
公开(公告)号：CN119130932A
公开(公告)日：2024-12-13
申请号：CN202411142786.0
申请日：2024-08-20
Applicant: 合肥工业大学
IPC: G06T7/00 , G06T5/80 , G06T5/70 , G06T5/40 , G06T5/60 , G06V10/764 , G06V10/82 , G06T7/73 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多光照噪声场扩散的低光照异常铁路状态检测方法。本发明对于低光照铁路图像，采用直方图均衡化，获得初步的光照校正图像；采用高斯平滑策略，估计图像噪声标准差，获得低噪声校正图像；采用多Gamma校正，生成多噪声分布下的校正图像；利用光照校正图像的YOLO卷积特征，来估计多噪声分布场，并采用扩散模型抑制特征中的光照噪声；使用多分支的YOLO检测器，进行多噪声分布下的异常铁路状态检测。本发明估计多光照噪声场，并使用扩散模型来抑制光照噪声，可以提高异常铁路状态检测准确性。
-
公开(公告)号：CN118101497A
公开(公告)日：2024-05-28
申请号：CN202410491172.7
申请日：2024-04-23
Applicant: 合肥工业大学
IPC: H04L41/147 , H04L41/16 , H04L43/0876 , H04L45/02 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明涉及网络工程和人工智能技术领域，尤其是一种基于生成流模型的网络流量矩阵估计模型、方法及系统。流量矩阵估计模型包括嵌入模块和基于流的生成模块，嵌入模块包括编码器和解码器。本发明提出的基于生成流模型的网络流量矩阵估计模型的训练方法，在训练流量矩阵估计模型时，考虑到了丢失信息，基于流量矩阵到链路负载和丢失信息的映射关系，训练嵌入模块和生成模块；从而可以在不了解路由矩阵的情况下，无偏地学习从流量矩阵到链路负载的可逆变换，使得训练完成的流量矩阵估计模型，可通过逆运算，结合随机抽样的丢失信息和链路负载高精度预测流量矩阵。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
