-
公开(公告)号：CN112116568B
公开(公告)日：2024-11-08
申请号：CN202010950511.5
申请日：2020-09-10
Applicant: 广东电网有限责任公司广州供电局 , 南方电网科学研究院有限责任公司
Abstract: 本发明公开了一种图像质量评价方法、装置及存储介质，该方法包括：获取多张标准图像，并对标准图像施加失真处理，得到多张失真图像；采用全参考图像质量评价方法对每张失真图像进行评价，得到每张失真图像的评价分数，根据所有的失真图像的评价分数，得到评分向量空间；提取每张失真图像的结构特征、纹理特征和曝光度，得到每张图像的特征向量，根据所有的失真图像的特征向量，得到图像特征向量空间；采用支持向量回归建立评分向量空间与图像特征向量空间的函数关系，得到图像质量评价模型；输入待评价图像，利用图像质量评价模型得到待评价图像的质量分数。本发明可以快速、准确地评价图像质量。
-
公开(公告)号：CN112116567B
公开(公告)日：2024-10-15
申请号：CN202010945959.8
申请日：2020-09-10
Applicant: 广东电网有限责任公司广州供电局 , 南方电网科学研究院有限责任公司
IPC: G06T7/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种无参考图像质量评价方法、装置及存储介质，该方法包括：获取已标识有标签的待评价图像，将所述待评价图像进行归一化处理；将归一化处理后的图像划分为预设大小的若干块图像块，并将待评价图像的标签作为每块图像块的标签；将每块图像块输入预设的基于多任务学习的网络模型，得到每个图像块的预测质量分数；其中，所述基于多任务学习的网络模型的目标函数是欧几里得损失函数最小化；计算所有图像块的预测质量分数的平均值，作为所述待评价图像的最终质量分数。本发明基于深度学习方法预测图像的质量分数，避免图像质量过低影响后续处理算法的准确性。
-
公开(公告)号：CN114359619A
公开(公告)日：2022-04-15
申请号：CN202111456451.2
申请日：2021-12-01
Applicant: 南方电网科学研究院有限责任公司 , 广东电网有限责任公司广州供电局
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06T7/00 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明涉及电网缺陷检测技术领域，公开了一种基于增量学习的电网缺陷检测方法，包括在采集得到的图像当中，在存在缺陷的图像上标注出缺陷信息，以便于从采集得到的图像当中筛选出缺陷图像，对缺陷图像进行处理制作出目标检测数据集；构建目标检测网络，且将目标检测数据集划分为训练数据集与测试数据集；对测试数据集进行处理，制作分类数据集；基于分类数据集构建适应增量学习的图像分类模型；组合目标检测网络模型和适应增量学习的图像分类模型；基于增量学习的电网缺陷检测方法可以对已训练好的目标检测模型进行改动，使得网络模型能够学习新增缺陷数据中所蕴涵的特征。
-
公开(公告)号：CN112579711B
公开(公告)日：2024-09-24
申请号：CN202011584448.4
申请日：2020-12-28
Applicant: 广东电网有限责任公司广州供电局 , 南方电网科学研究院有限责任公司
Abstract: 本发明涉及机器学习技术领域，公开了一种不平衡数据的分类方法、装置、存储介质及设备，所述方法包括：获取不平衡数据集，通过SVM算法计算不平衡数据集的支持向量集合，计算多数类集合中的每一个样本到支持向量集合中的每一个支持向量的第一距离，根据第一距离计算样本位置统计量，根据样本位置统计量计算类位统计量，根据类位统计量类位统计量对多数类集合进行下采样，获得下采样后的多数类集合。本发明提供的一种不平衡数据的分类方法、装置、存储介质及设备，利用数据样本与支持向量的距离度量数据样本的局部密度信息，从分布上考虑数据的不平衡程度，提高不平衡数据分类的准确率。
-
公开(公告)号：CN112579711A
公开(公告)日：2021-03-30
申请号：CN202011584448.4
申请日：2020-12-28
Applicant: 广东电网有限责任公司广州供电局 , 南方电网科学研究院有限责任公司
Abstract: 本发明涉及机器学习技术领域，公开了一种不平衡数据的分类方法、装置、存储介质及设备，所述方法包括：获取不平衡数据集，通过SVM算法计算不平衡数据集的支持向量集合，计算多数类集合中的每一个样本到支持向量集合中的每一个支持向量的第一距离，根据第一距离计算样本位置统计量，根据样本位置统计量计算类位统计量，根据类位统计量类位统计量对多数类集合进行下采样，获得下采样后的多数类集合。本发明提供的一种不平衡数据的分类方法、装置、存储介质及设备，利用数据样本与支持向量的距离度量数据样本的局部密度信息，从分布上考虑数据的不平衡程度，提高不平衡数据分类的准确率。
-
Patent Agency Ranking
公开(公告)号：CN112116568A
公开(公告)日：2020-12-22
申请号：CN202010950511.5
申请日：2020-09-10
Applicant: 广东电网有限责任公司广州供电局 , 南方电网科学研究院有限责任公司
Abstract: 本发明公开了一种图像质量评价方法、装置及存储介质，该方法包括：获取多张标准图像，并对标准图像施加失真处理，得到多张失真图像；采用全参考图像质量评价方法对每张失真图像进行评价，得到每张失真图像的评价分数，根据所有的失真图像的评价分数，得到评分向量空间；提取每张失真图像的结构特征、纹理特征和曝光度，得到每张图像的特征向量，根据所有的失真图像的特征向量，得到图像特征向量空间；采用支持向量回归建立评分向量空间与图像特征向量空间的函数关系，得到图像质量评价模型；输入待评价图像，利用图像质量评价模型得到待评价图像的质量分数。本发明可以快速、准确地评价图像质量。
-
公开(公告)号：CN112116567A
公开(公告)日：2020-12-22
申请号：CN202010945959.8
申请日：2020-09-10
Applicant: 广东电网有限责任公司广州供电局 , 南方电网科学研究院有限责任公司
Abstract: 本发明公开了一种无参考图像质量评价方法、装置及存储介质，该方法包括：获取已标识有标签的待评价图像，将所述待评价图像进行归一化处理；将归一化处理后的图像划分为预设大小的若干块图像块，并将待评价图像的标签作为每块图像块的标签；将每块图像块输入预设的基于多任务学习的网络模型，得到每个图像块的预测质量分数；其中，所述基于多任务学习的网络模型的目标函数是欧几里得损失函数最小化；计算所有图像块的预测质量分数的平均值，作为所述待评价图像的最终质量分数。本发明基于深度学习方法预测图像的质量分数，避免图像质量过低影响后续处理算法的准确性。
-
公开(公告)号：CN114359620A
公开(公告)日：2022-04-15
申请号：CN202111456516.3
申请日：2021-12-01
Applicant: 南方电网科学研究院有限责任公司 , 广东电网有限责任公司广州供电局
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/84 , G06V20/17 , G06K9/62 , G06N20/00 , G06N7/00 , G16Y10/35 , G16Y20/10 , G16Y40/10 , G16Y40/20
Abstract: 本发明涉及电网缺陷数据处理技术领域，公开了电网缺陷数据选取方法，包括：采集电网缺陷数据，对电网缺陷数据进行处理得到少数缺陷类电网缺陷数据样本集；用环境状态作为输入以训练电网缺陷数据选取网络，得到目标网络；其中，环境状态即电网缺陷数据；测试目标网络的对电网缺陷数据的分类性能；本发明的选取电网缺陷数据的网络，采用强化学习算法，面对不同的当前环境状态，将是否选取样本视为离散动作，采取最合适的动作来转换状态使得回报函数最大化，提高电网缺陷数据分类的准确性。
-
公开(公告)号：CN114187505A
公开(公告)日：2022-03-15
申请号：CN202111349907.5
申请日：2021-11-15
Applicant: 南方电网科学研究院有限责任公司 , 广东电网有限责任公司广州供电局
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/25 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种输电线路防振锤脱落的检测方法，包括：获取防振锤图像样本集；通过对防振锤图像样本集进行预处理，得到正常样本训练集、缺陷样本训练集和缺陷样本测试集；通过正常样本训练集和缺陷样本训练集对预先基于迁移学习算法搭建的FasterR‑CNN网络进行训练，得到初始检测模型；通过缺陷样本测试集和平均精度对初始检测模型进行测试分析，得到防振锤脱落检测模型；将预先获取的待检测的防振锤图像输入至防振锤脱落检测模型，得到防振锤的脱落检测结果。本发明能够将大量无缺陷样本的知识有效迁移到少量有缺陷样本，实现以少量缺陷样本来构建防振锤脱落检测模型，与传统的防振锤脱落检测方法相比适应速度快、检测精度高。
-
公开(公告)号：CN114187534A
公开(公告)日：2022-03-15
申请号：CN202111349920.0
申请日：2021-11-15
Applicant: 南方电网科学研究院有限责任公司 , 广东电网有限责任公司广州供电局
IPC: G06V20/17 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种输电导线悬挂异物的检测检测方法，包括：获取无人机航拍的输电导线的图像数据集；通过真实标注图像集训练基于半监督学习的两个初始检测模型得到两个检测模型；通过两个检测模型对无标注图像集进行伪标注，得到两个伪标注图像集；将真实标注图像集分别与两个伪标注图像集进行混合增强，得到两个混合标注图像集；将两个混合标注图像集别输入至两个检测模型中，并通过监督损失、无监督损失和均衡损失训练两个检测模型，得到两个优化后的检测模型；协同两个优化后的检测模型对预先获取的待检测的输电导线图像进行检测，得到异物检测结果。本发明能够在进行少量图像标注的情况下，提高检测输电导线悬挂异物的效率。
-
-
-
-
-
-
-
-
-
Search Results
201
records
(took 0.109 seconds)
