“元神科技（杭州）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6个，建议您升级VIP下载更多相关专利

[发明专利]一种基于双网络的电厂设备故障预警方法及系统-CN202010753732.3有效
发明人：凌贺飞;张鹏锋;李青松;黄昌喜 -专利权人： 元神科技（杭州）有限公司
申请日： 2020-07-30 - 公布日： 2023-10-27 - 主分类号： G06F18/22 文献下载
摘要：本发明提供一种基于双网络的电厂设备故障预警方法及系统，包括：确定电厂机组设备实时运行的工况参数；将工况参数输入训练好的双网络模型，以计算工况参数对应的样本能量；双网络模型包括：自编码网络和估计网络；自编码网络用于提取工况参数的深度特征数据；估计网络估计深度特征数据在高斯混合模型下的分布概率，并基于分布概率更新高斯混合模型的参数，并基于更新参数后的高斯混合模型确定工况参数对应的样本能量；当样本能量大于预警阈值时，认为对应的电厂机组设备发生故障。本发明可对高维数据进行特征提取，以避免传统机器学习方法难以处理的维数灾难问题；在不影响解码能力的情况下，降低了网络训练和使用的时间成本。
一种基于网络电厂设备故障预警方法系统

[发明专利]一种视频多目标跟踪方法及系统-CN202010693529.1有效
发明人：凌贺飞;王现瑞;黄昌喜 -专利权人： 元神科技（杭州）有限公司
申请日： 2020-07-17 - 公布日： 2023-10-24 - 主分类号： G06T7/246 文献下载
摘要：本发明提供一种视频多目标跟踪方法及系统，将含有待跟踪目标的视频抽取为连续的视频帧，并通过孪生网络学习帧之间的时序信息；通过深度卷积神经网络基于连续的视频帧和时序信息提取待跟踪目标的多尺度目标特征；基于多尺度目标特征得到目标位置检测结果，以及有效的目标外观特征描述向量；基于目标外观特征描述向量，计算当前视频帧与预设时间内的历史视频帧之间的外观特征相似度；基于目标位置检测结果，计算运动特征相似度；将外观特征相似度和运动特征相似度的乘积作为目标与轨迹之间的相似度，确定各个目标与轨迹之间的最佳匹配关系，得到多目标的跟踪结果。本发明在保证领先的跟踪性能的基础上，大幅度提升了跟踪速度，具有很高的应用价值。
一种视频多目标跟踪方法系统

[发明专利]一种视频行为识别方法及系统-CN202010698476.2有效
发明人：凌贺飞;陈遥;黄昌喜 -专利权人： 元神科技（杭州）有限公司
申请日： 2020-07-20 - 公布日： 2023-10-10 - 主分类号： G06V40/20 文献下载
摘要：本发明提供一种视频行为识别方法及系统，其特征在于，包括：基于三维全分离卷积构建轻量级三维卷积神经网络模型；基于时序全局信息对、模型进行优化，以使得轻量级三维卷积神经网络模型能够提取视频在时间维度上的判别性全局信息；通过预先准备的训练视频帧，基于交叉熵损失的梯度下降法对优化后的模型进行参数优化，得到训练好的轻量级三维卷积神经网络模型；将待识别的视频输入到训练好的轻量级三维卷积神经网络模型，识别视频中运动物体的行为信息。本发明在保证视频行为识别准确率的前提下降低计算负载，不需要依赖卷积的叠加就能够直接建模全局信息，进一步提高准确率。
一种视频行为识别方法系统

[发明专利]一种结合用户步态信息的用户身份识别方法及系统-CN202010943184.0在审
发明人：凌贺飞;周雨;王润生;黄昌喜 -专利权人： 元神科技（杭州）有限公司
申请日： 2020-09-09 - 公布日： 2020-12-18 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种结合用户步态信息的用户身份识别方法及系统，包括：利用二维姿态估计系统对原始数据集的视频序列中每一帧的行人对象进行姿态检测，提取姿态信息。然后对提取到的关节坐标序列进行预处理操作，生成人体骨骼数据集。最后构建时空图卷积网络模型，将骨架图划分为六个子图，在它们之间共享关节，使用图卷积网络学习识别模型，利用构建的数据集进行训练，采用将分类损失和对比损失结合的多损失策略，并使用随机梯度下降进行网络参数的优化，使用验证集对训练出的模型的准确率进行预测。本发明充分利用关节点的有效信息，尽量保留时间维度上的运动状态，对衣着的变化和携带状态具有较高的鲁棒性，并且在跨视角任务上具有良好的泛化能力。
一种结合用户步态信息身份识别方法系统

[发明专利]一种基于弱检测机制的图像敏感内容识别方法及系统-CN202010751825.2在审
发明人：凌贺飞;曾豪;黄昌喜 -专利权人： 元神科技（杭州）有限公司
申请日： 2020-07-30 - 公布日： 2020-10-30 - 主分类号： G06K9/46 文献下载
摘要：本发明提供一种基于弱检测机制的图像敏感内容识别方法及系统，包括：构建弱检测模型，其包括主干分支网络和弱检测分支网络；主干分支网络从全局的角度对输入图像进行特征提取和粗粒度分类；弱检测分支网络关注局部的区域，以辅助弱检测模型查找输入图像中潜在敏感内容；弱检测模型用于检测输入图像中的敏感内容；基于预先采集的图像数据集对弱检测模型进行训练，以保证弱检测模型检测图像中敏感内容的准确率；图像数据库中有包含敏感内容的图像和不包含敏感内容的图像；基于训练好的弱检测模型对输入图像进行识别，检测输入图像中的敏感内容。本发明从损失函数和训练策略两方面进行改进，使弱检测摆脱了对训练数据的依赖，提高了检测准确率。
一种基于检测机制图像敏感内容识别方法系统

[发明专利]一种轻量级视觉目标检测方法及系统-CN202010760998.0在审
发明人：凌贺飞;张丽;黄昌喜 -专利权人： 元神科技（杭州）有限公司
申请日： 2020-07-31 - 公布日： 2020-10-30 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种轻量级视觉目标检测方法及系统，包括：利用骨干网络初步提取待检测图像中的目标特征；所述骨干网络包括特征提取器；所述特征提取器包括密集块和过渡块，每两个密集块之间是过渡块，所述密集块为双路轻量级密集块，其两个分支共享一个标准卷积和深度卷积以减少计算量，使得所述密集块为轻量级；利用检测头部对所述目标特征标特征进行多层检测，以及使用特征金字塔进行多尺度特征融合，以对不同尺度的目标特征分别进行检测，来确定待检测图像中不同目标的位置和不同目标的类别。本发明具有训练便捷、参数量更少，计算成本低、检测精度高等优点。
一种轻量级视觉目标检测方法系统