-
公开(公告)号：CN119291034A
公开(公告)日：2025-01-10
申请号：CN202411538473.7
申请日：2024-10-31
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供一种焊接缺陷检测方法、装置、系统、计算机设备，涉及超声检测技术领域。该方法包括获取多层焊接件对应的三维扫描数据；从三维扫描数据中切取XZ维度的B扫描图像，对B扫描图像进行处理得到Z维度的一维数据；根据Z维度的一维数据中的峰值确定多层焊接件的各个焊缝层的焊缝位置；根据各焊缝层的焊缝位置从三维扫描数据中获取各焊缝层对应的C扫描数据，并根据各焊缝层对应的C扫描数据检测各焊缝层是否存在焊接缺陷。该过程中充分利用了三维扫描数据中所有采集数据的信息，使得确定的焊缝位置的准确度更高，这样基于焊缝位置提取的C扫描数据更能准确反映焊缝的焊接质量，从而提高了焊接缺陷的检测结果。
-
公开(公告)号：CN115062765A
公开(公告)日：2022-09-16
申请号：CN202210709171.6
申请日：2022-06-21
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种任务处理方法、装置、电子设备及存储介质，该方法包括：在对Transformer模型进行训练的过程中，对于Transformer模型中的任一归一化层，确定该归一化层当前批次的第一统计值，依据该第一统计值以及该归一化层历史批次的统计值，利用滑动平均策略，对该第一统计值进行平滑处理，得到第二统计值，并利用将该归一化层的第二统计值进行前向或反向传播；在利用训练好的Transformer模型进行任务处理的过程中，对于Transformer模型中的任一归一化层，将该归一化层的统计值固定为第三统计值进行推理计算。该方法可以在降低Transformer模型的计算内存消耗的情况下，保证处理性能。
-
公开(公告)号：CN119358691A
公开(公告)日：2025-01-24
申请号：CN202411909532.7
申请日：2024-12-24
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种基于大模型的推理方法及相关设备，涉及人工智能技术领域，包括：响应于推理指令，获取场景图片数据，基于预设大语言模型相应粒度的量化方式，对所述场景图片数据执行量化操作，得到目标图像数据，基于更改部署方式后的所述预设大语言模型的推理量化流程，对所述目标图像数据进行推理量化，得到推理量化结果，其中，所述更改部署方式后所对应的推理量化流程比更改部署方式前推理量化流程的计算量更小。本申请使用计算量更小的推理量化流程所对应的部署方式部署预设大语言模型，减少推理量化过程中的计算量，提高推理效率。
-
公开(公告)号：CN118799204B
公开(公告)日：2024-12-27
申请号：CN202411276518.8
申请日：2024-09-12
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明涉及一种夜间可见光与热红外图像融合方法，属于图像处理领域。本发明基于图像分层理论，运用加权引导滤波和高斯滤波组合策略，分别将夜间可见光图像和热红外图像分解为基本、边缘和纹理层；然后提出基于视觉亮度感知特性的分层互补融合方法将夜间可见光图像和热红外图像的基本层、纹理层和边缘层进行融合重构。该方法不仅保留了可见光图像的自然色彩和纹理细节，同时融合了热红外图像的热辐射信息，显著提升了目标的显著性和图像的整体质量。
-
公开(公告)号：CN118710889B
公开(公告)日：2024-12-03
申请号：CN202411184316.0
申请日：2024-08-27
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/25 , G06V20/62 , G06N3/0985 , G06N3/0895 , G06N3/045 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/776
Abstract: 本申请实施例提供了一种数据增强模型的训练方法、数据增强方法、及装置，涉及机器学习技术领域，该数据增强模型的训练方法包括：获取训练图像；利用初始结构的数据增强模型生成每一训练图像的数据增强变量的变量值；利用每一训练图像的数据增强变量的变量值，对该训练图像中对象的检测框进行变换处理，得到第一检测框；基于测试图像中表示同一类别对象的检测框，与表示该同一类别对象的第一检测框之间几何特征的差异，确定模型损失值；基于模型损失值对初始结构的数据增强模型的模型参数进行调参，直至达到预设收敛条件，得到训练完成的数据增强模型。通过本方案能够省去由专业人员人工调节超参数的过程，降低人工成本。
-
Patent Agency Ranking
公开(公告)号：CN119361006B
公开(公告)日：2025-04-25
申请号：CN202411900422.4
申请日：2024-12-23
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G16C20/20 , G16C20/70 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/098
Abstract: 本申请公开了一种液体识别方法、装置、存储介质和电子设备，方法包括：获取检测物品通过X光照射后生成的高能图、低能图、原子序数图和RGB图；基于高能图、低能图、原子序数图和/或RGB图裁剪得到待检液体的背景区域图和至少一个混叠前景区域图；利用背景分析网络提取背景特征信息，利用混叠前景分析网络提取混叠前景特征信息；基于背景特征信息和混叠前景特征信息，利用第一减法网络分析背景对前景的干扰，基于分析结果和原子序数图，利用第一去混叠网络进行背景干扰剥离，得到前景特征信息；基于前景特征信息，利用第一成分分析网络确定液体成分。应用本申请，能够支持无遮挡和各种遮挡场景下的液体识别，提高液体识别检测的性能。
-
公开(公告)号：CN119830982A
公开(公告)日：2025-04-15
申请号：CN202411865347.2
申请日：2022-05-31
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/082 , G06N3/0464 , G06V10/82 , G06V10/764
Abstract: 本申请提供一种神经网络模型裁剪方法、装置、电子设备及存储介质，该方法包括：依据待裁剪神经网络模型的结构特性，将所述待裁剪神经网络模型划分为多个结构分组；依据对所述待裁剪神经网络模型进行裁剪前后的损失函数变化，确定对所述多个结构分组中各结构分组进行裁剪的目标裁剪率；其中，所述损失函数变化依据第一因子和第二因子确定，所述第一因子用于表征各结构分组中各个权重的重要性，所述第二因子用于表征不同结构分组之间的相互作用；依据所述目标裁剪率，分别对各结构分组进行裁剪，得到裁剪后的神经网络模型。该方法可以在较小性能损失的情况下加速压缩神经网络模型。
-
公开(公告)号：CN118781471A
公开(公告)日：2024-10-15
申请号：CN202411277658.7
申请日：2024-09-12
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V10/82 , G06V10/774 , G06V20/62 , G06N3/0455 , G06N3/08
Abstract: 本申请提供了一种模型训练方法、对象识别方法、装置及电子设备，涉及深度学习技术领域，该模型训练方法包括：获取样本图像集；将各个样本图像输入对象识别模型，以使模型中的全局编码器对每一样本图像进行特征编码，得到初始图像特征，将每一样本图像的初始图像特征分别输入模型中的目标子网络、第一子网络以及第二子网络，得到各子网络针对每一样本图像的输出结果；基于子网络针对每一样本图像的输出结果以及各个样本图像的标定真值，确定子网络的网络损失；基于每一子网络的网络损失，确定模型损失；基于模型损失判断出对象识别模型未收敛，调整对象识别模型的网络参数，并返回获取样本图像集的步骤。通过本方案可以提高对象识别模型的准确性。
-
公开(公告)号：CN118747905A
公开(公告)日：2024-10-08
申请号：CN202410741638.4
申请日：2024-06-09
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V40/10 , G06V10/44 , G06N3/0464 , G06V10/80 , G06N3/0895 , G06V10/764
Abstract: 行人属性识别(PAR)旨在生成行人的结构化描述，并在监控中具有重要意义。现有方法主要致力于训练过程中提升属性的空间定位。然而，这些方法未能解决数据集中单一视角姿态与现实中遇到的复杂视角姿态之间的差异，导致在开放环境中属性定位效果不佳。因此，本文介绍了一种新的多视角PAR方法，该方法使用人体关键点信息来适应复杂视角姿态。该方法利用关键点来建模属性特征的空间分布，便于进行弱监督定位，以模拟属性与人体在复杂视角下的动态关系。此外，它还结合了空间位置编码来建模人体结构信息，并隐式捕捉属性与人体之间的关系。最后我们应用了特征融合的方法使得空间位置信息发挥更大的作用。
-
公开(公告)号：CN118397109B
公开(公告)日：2024-08-20
申请号：CN202410853898.0
申请日：2024-06-27
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种车载相机标定方法、装置、电子设备及机器可读存储介质，该方法包括：对于车载相机采集的图像中的任一标定物，对该标定物进行角点检测，并依据角点像素坐标以及角点标定物世界坐标，确定该车载相机的像素坐标系与该标定物的标定物世界坐标系之间的映射关系；依据该映射关系，确定各车载相机的基准标定物世界坐标，并确定车身指定位置的基准标定物世界坐标；对于任一车载相机，依据该车载相机视野范围内多个标定物的多个角点的车身世界坐标，对该车载相机进行外参标定，车身世界坐标为车身世界坐标系下的坐标，车身世界坐标系为以车身指定位置为原点的世界坐标系。该方法可以提高车载相机外参标定的准确性和效率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.041 seconds)
