公开(公告)号：CN119312237A

公开(公告)日：2025-01-14

申请号：CN202411141535.0

申请日：2024-08-20

Applicant: 浙江工业大学

Inventor： 刘毅 ,  高捷菲 ,  胡俊浩

IPC: G06F18/2433 ,  G06F18/213 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/0985 ,  G06F11/3668 ,  G06F123/02

Abstract: 一种基于时序屏蔽自编码器的过程异常检测方法，属于过程工业的异常检测技术领域。其包括以下步骤：(1)数据标准化并使用滑动时间窗口方式提取数据连续子集作为新样本；(2)采用随机采样输入变量并对数据进行掩码操作；(3)采用引入了可学习向量的LSTM为核心的自动编码器，对过程数据的隐藏特征进行提取和重建；(4)模型训练；(5)定位异常特征及位置；(6)使用TSMAE进行过程异常检测流程。本发明能够随机屏蔽多数输入变量，减少信息冗余，借助LSTM建模过程数据的时间相关性，实现隐藏特征的提取和原始数据的重建，并在隐藏特征中填充等量可学习向量，以整体重建损失作为优化目标，增强模型建模全局信息能力。

公开(公告)号：CN113706545B

公开(公告)日：2024-03-26

申请号：CN202110967552.X

申请日：2021-08-23

Applicant: 浙江工业大学

Inventor： 汪晓妍 ,  邵明瀚 ,  张玲 ,  黄晓洁 ,  夏明 ,  张榜泽 ,  高捷菲

IPC: G06T7/10 ,  G06T5/50 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于双分支神经判别降维的半监督图像分割方法，采用训练数据集训练构建的图像分割模型，图像分割模型包括特征提取模块和解码模块，所述特征提取模块采用Swin Transformer网络，所述Swin Transformer网络两个分支的对应Swin Transformer块之间设置有神经判别降维模块NDDR，所述神经判别降维模块NDDR与下一个Swin Transformer块之间设置有分片融合模块，所述解码模块包括两个与Swin Transformer网络两个分支分别对应的解码器，使用半监督的方法以双分支的形式在全局的函数回归任务和像素分类任务之间建立一致性，在充分考虑几何约束的情形下，关注局部特征的同时结合全局整体之间的联系，提高伪注释和分割的质量，从而提升图像分割的性能。

公开(公告)号：CN113706545A

公开(公告)日：2021-11-26

申请号：CN202110967552.X

申请日：2021-08-23

Applicant: 浙江工业大学

Inventor： 汪晓妍 ,  邵明瀚 ,  张玲 ,  黄晓洁 ,  夏明 ,  张榜泽 ,  高捷菲

IPC: G06T7/10 ,  G06T5/50 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于双分支神经判别降维的半监督图像分割方法，采用训练数据集训练构建的图像分割模型，图像分割模型包括特征提取模块和解码模块，所述特征提取模块采用Swin Transformer网络，所述SwinTransformer网络两个分支的对应Swin Transformer快之间设置有神经判别降维模块NDDR，所述神经判别降维模块NDDR与下一个SwinTransformer快之间设置有分片融合模块，所述解码模块包括两个与SwinTransformer网络两个分支分别对应的解码器，使用半监督的方法以双分支的形式在全局的函数回归任务和像素分类任务之间建立一致性，在充分考虑几何约束的情形下，关注局部特征的同时结合全局整体之间的联系，提高伪注释和分割的质量，从而提升图像分割的性能。