“浙江捷瑞电力科技有限公司”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果9个，建议您升级VIP下载更多相关专利

[发明专利]一种元学习小样本输电线缺陷目标检测和告警系统及方法-CN202110942748.3有效
发明人：琚小明 -专利权人： 浙江捷瑞电力科技有限公司
申请日： 2021-08-17 - 公布日： 2023-09-19 - 主分类号： G06Q10/20 文献下载
摘要：本发明公开了一种元学习小样本输电线缺陷目标检测和告警系统及方法，包括实现电网的缺陷检测、告警和维护过程。该方法主要分为两个部分：离线训练模块和在线检测模块，前者实现基于元学习的小样本目标检测模型的构建和训练过程；后者则将采集的图像输入到训练好的模型中，实现输电线路的缺陷检测，同时确定缺陷的严重等级，利用等级、类别和经纬度生成对应的告警信息，实现输电线缺陷检测‑信息告警‑人员维护的流水线。
一种学习样本输电线缺陷目标检测告警系统方法

[发明专利]分类模型构建方法及装置、存储介质及电子设备-CN202111667583.X在审
发明人：王红凯;冯珺;潘司晨;江樱;琚小明;黄海潮;张烨华;彭梁英;赵帅;冯泳铭;陈可;谢裕清 -专利权人：国网浙江省电力有限公司信息通信分公司;浙江捷瑞电力科技有限公司
申请日： 2021-12-30 - 公布日： 2022-04-12 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种分类模型构建方法及装置、存储介质及电子设备，该方法包括：确定预设样本集合和每个预设特征维度对应的特征权重，基于预设的集成学习算法进行预测模型的迭代训练，在当前迭代周期中，确定该迭代周期对应的初始模型，和该迭代周期对应的各个训练特征维度所对应的训练样本集合。通过该训练样本集合对该初始模型进行训练，得到该迭代周期对应的预测模型，并更新当前训练特征维度对应的特征权重，以调整下个迭代周期对应的各个训练特征维度。当结束迭代训练过程后，对训练得到的各个预测模型进行组合，得到分类模型。应用本发明的方法，可对用于训练的特征进行调整，采用对分类影响较大的特征进行训练，可提高模型的分类准确度。
分类模型构建方法装置存储介质电子设备

[发明专利]一种特征选择方法、装置、存储介质和设备-CN202111210992.7在审
发明人：王红凯;冯珺;潘司晨;江樱;琚小明;黄海潮;张烨华;彭梁英;赵帅;应张驰;王嘉琦;张澄心 -专利权人：国网浙江省电力有限公司信息通信分公司;浙江捷瑞电力科技有限公司
申请日： 2021-10-18 - 公布日： 2021-12-31 - 主分类号： G06K9/46 文献下载
摘要：本申请公开了一种特征选择方法、装置、存储介质和设备，预先获取经由对原始数据进行特征工程所得到的各个特征，并计算各个特征的权重，删除权重小于预设权重阈值的特征。调用预设的适应度函数，对基于各个有效特征初始化得到的粒子群中的每个粒子进行适应度评估，并通过预设粒子群算法，迭代更新每个粒子的位置和速度，得到每个粒子的最终适应度。选取最终适应度最小的特征子集中所包含的有效特征，作为训练特征。将权重小于预设权重阈值的特征进行删除，能够减小后续算法的时间复杂度，此外，适应度函数中综合了特征子集的分类效果和重要性，使得通过预设粒子群算法所选择出的有效特征的效果更优，能够有效提高机器学习模型的计算效率。
一种特征选择方法装置存储介质设备

[发明专利]一种基于联邦学习的模型训练方法及相关设备-CN202111167777.3在审
发明人：王红凯;冯珺;潘司晨;江樱;琚小明;黄海潮;张烨华;彭梁英;赵帅;张朋飞;陈可;谢裕清;刘瀚琳 -专利权人：国网浙江省电力有限公司信息通信分公司;浙江捷瑞电力科技有限公司
申请日： 2021-09-29 - 公布日： 2021-12-14 - 主分类号： G06N20/00 文献下载
摘要：本公开提供的一种基于联邦学习的模型训练方法及相关设备，应用于边缘计算框架，所述边缘计算框架包括云计算中心和至少一个边缘计算节点，所述云计算中心对各所述边缘计算节点进行管理控制，该方法包括：对所述云计算中心构建中心神经网络模型；对各所述边缘计算节点分别构建边缘神经网络模型；利用训练样本对各所述边缘神经网络模型进行联邦学习并对所述中心神经网络模型进行调整，获得对抗攻击防御全局模型。本公开通过对各边缘计算节点对应的边缘神经网络模型之间进行联邦学习，可以有效在训练过程中防止边缘计算节点的数据泄露，提高边缘计算框架的对抗攻击防御能力。
一种基于联邦学习模型训练方法相关设备

[发明专利]一种基于生成式对抗网络的小样本缺陷检测方法-CN202110993562.0在审
发明人：琚小明 -专利权人： 浙江捷瑞电力科技有限公司
申请日： 2021-08-27 - 公布日： 2021-11-19 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种基于生成式对抗网络的小样本缺陷检测方法，缺陷检测过程分为缺陷样本生成，缺陷样本重建，缺陷定位三个步骤，陷样本生成步骤包括：搜集大量正常样本和少量缺陷样本，通过人工添加缺陷以及Cycle‑GAN的方式扩充缺陷样本，且，在此基础上，提出缺陷样本重建网络，该网络使用自编码网络的方式，将缺陷样本重建为正常样本，而正常样本保持不变，同时为了提升重建效果，提出结构性重建损失，以此优化重建效果，在最后的缺陷定位过程中，计算缺陷样本与重建样本的结构相似性指数，并进行阈值处理从而定位缺陷。本发明基于生成式对抗网络可以在仅有少量缺陷样本的情况下实现较高准确率的缺陷检测，方法鲁棒性强，适用于工业级的缺陷检测。
一种基于生成对抗网络样本缺陷检测方法

[发明专利]一种基于多维图像的目标智能匹配和识别方法-CN202110979544.7在审
发明人：琚小明 -专利权人： 浙江捷瑞电力科技有限公司
申请日： 2021-08-25 - 公布日： 2021-11-16 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于多维图像的目标智能匹配和识别方法，具体包括以下步骤：S1:对电网布控巡检区域的固定摄像头及机器人、无人机摄像头搜集图像进行筛选、整理，形成相应的多尺度目标训练数据；S2:提出多尺度下同一目标匹配度最大化准则；S3提出多维图像联合学习模型；S4:实现不同摄像头下不同分辨率的目标匹配；S5对匹配成功的图像进行进一步的识别,本发明通过不同尺度的信息有效加强了低分辨率下目标的表达信息，同时，利用匹配度最大化准则判别不同分辨率下同一目标，进而学习不同尺度最优度量模型，相比于单一尺度的匹配方案，本发明的方法可以在多种复杂环境下保持更高的匹配准确率,且，匹配成功的目标可以进一步的进行识别。
一种基于多维图像目标智能匹配识别方法

[发明专利]一种基于注意力机制和度量学习少样本电力缺陷检测方法-CN202110963980.5在审
发明人：琚小明 -专利权人： 浙江捷瑞电力科技有限公司
申请日： 2021-08-21 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于注意力机制和度量学习少样本电力缺陷检测方法，包括以下步骤：S1：构建数据集，构建数据集构建包括所需的训练集以及目标数据集；S2：模型创建，在S1中的训练集上进行元学习，获取充分的先验知识，得到元模型；S3：将进行元模型应用到目标数据集，进行目标数据的分类，本发明不需要依赖于庞大的数据集来进行模型的训练，具有更强的现实意义，为现实场景中数据不足的一种解决思路；且，基于元学习的理论，可以快速适应新的任务，不需要将模型从头开始进行训练，只需对模型参数进行微调；在关系网络中引入了attent i on网络，使网络更加专注于找到输入图像中有价值的部分，进而实现少样本电力缺陷检测。
一种基于注意力机制度量学习样本电力缺陷检测方法

[发明专利]一种基于金字塔渐进擦除学习的自步学习排序方法-CN202110929451.3在审
发明人：琚小明 -专利权人： 浙江捷瑞电力科技有限公司
申请日： 2021-08-13 - 公布日： 2021-11-05 - 主分类号： G06T7/194 文献下载
摘要：本发明公开了一种基于金字塔渐进擦除学习的自步学习排序方法，其包括粗金字塔网络和细金字塔网络，在粗金字塔网络中，提出金字塔对抗擦除机制，该机制逐层擦除和融合不同尺度的目标，鼓励网络发现完整的目标，以此在最后的定位图中分割出初始的目标区域；对初始目标区域进行掩码操作，提出相关得分，用于目标区域的伪标注标签；在细金字塔网络中，将初始目标区域及其伪标签用于训练，提出掩码兴趣区域网络层，该网络层可以保留输入大小的同时仅仅保留兴趣区域，最后使用金字塔对抗机制以细化更准确的目标边界，本发明有效减少了弱监督目标定位过程中对于大量精细位置注释的依赖，消耗资源较少，网络训练更稳定，应用广泛。
一种基于金字塔渐进擦除学习排序方法

[发明专利]一种基于分支神经网络的边缘计算节点的分配与退出方法-CN202110920295.4在审
发明人：琚小明 -专利权人： 浙江捷瑞电力科技有限公司
申请日： 2021-09-14 - 公布日： 2021-10-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于分支神经网络的边缘计算节点的分配与退出方法，为提高边缘计算下人工智能模型的安全性和加快模型的计算效率，该方法主要分为三个步骤，神经网络模型训练、分支神经网络模型在边缘计算节点的部署和模型退出点的选择，首先搭建神经网络模型结合模型精馏算法实现对模型的训练；其次，在为训练好的分类模型分配边缘计算节点过程中，利用最小延迟算法选择合适的边缘计算节点；最后在模型推断阶段选择合适的模型退出点减小边缘计算节点的计算量，提高分类网络预测的精度准确性，最终达到提高神经网络模型的安全性和加快模型的计算效率的效果，实现防御对抗样本并提高模型的计算效率的目的。
一种基于分支神经网络边缘计算节点分配退出方法

1
共 9 条