Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南昌航空大学;江西方德科技有限公司;江西阳光安全设备集团有限公司欧巧凤获国家专利权

南昌航空大学;江西方德科技有限公司;江西阳光安全设备集团有限公司欧巧凤获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南昌航空大学;江西方德科技有限公司;江西阳光安全设备集团有限公司申请的专利一种基于提示扩展持续学习的密集架通道异物检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118172729B

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410374031.7,技术领域涉及:G06V20/52;该发明授权一种基于提示扩展持续学习的密集架通道异物检测方法是由欧巧凤;卢宇霄;熊邦书;方霆;刘畅;莫燕;张利平;贺洪波设计研发完成,并于2024-03-29向国家知识产权局提交的专利申请。

一种基于提示扩展持续学习的密集架通道异物检测方法在说明书摘要公布了:本发明涉及一种基于提示扩展持续学习的密集架通道异物检测方法,它包括如下步骤:构建异物图像数据集;设计异物检测网络模型,异物检测网络模型包括预训练特征提取器、提示池与分类头池,预训练特征提取器参数不随模型训练更新;使用获取的异物图像数据集训练异物检测网络模型;使用训练好的异物检测网络模型进行实时检测通道异物状态;当所述异物检测网络模型学习新任务或迁移到新场景进行应用时,对新任务或新场景进行持续学习。本发明能够实现模型在不同数据集上的持续学习,无需重新训练且持续学习模型参数增长量小,从而具有较高的泛化性和通用性,能够适应不同场地情况,加快新场景下的档案密集架系统部署。

本发明授权一种基于提示扩展持续学习的密集架通道异物检测方法在权利要求书中公布了:1.一种基于提示扩展持续学习的密集架通道异物检测方法,其特征在于,包括如下步骤:S1:在密集架上部署网络相机采集通道内各类异物的图像,并将图像放缩至h×h像素以匹配模型尺寸,构建异物图像数据集,每个任务对应1个异物图像数据集;S2:设计异物检测网络模型,所述异物检测网络模型包括预训练特征提取器、提示池与分类头池;所述预训练特征提取器包括预训练嵌入层和预训练Transformer编码器;所述预训练嵌入层和预训练Transformer编码器参数不随模型训练更新,提示池与分类头池作为可训练参数随模型训练更新;S3:使用步骤S1获取的异物图像数据集训练所述异物检测网络模型,具体训练过程为:S301:提取训练集中所有图像的特征,使用K-means算法对所有图像的特征进行聚类,并保存所得到的K个聚类中心,得到任务a的训练集特征的聚类中心集合Ca={C1,C2,...,Ci,...,CK},其中,i=1,2,...,K;S302:将训练集输入所述异物检测网络进行训练,训练完成后保存模型参数,保存的模型参数包括提示池与分类头池参数、已学任务聚类中心和已学任务数量;对提示池与分类头池中当前任务的提示与分类头参数,采用Adam优化器进行迭代优化,冻结网络中、提示池与分类头池中其余参数,使用交叉熵函数计算分类损失,使用Step学习率调度器动态更改学习率;S4:使用步骤S3训练好的异物检测网络模型对相机采集的图像进行异物检测,实时检测通道异物状态,具体步骤为:S401:使用预训练特征提取器提取输入图像的特征,通过计算输入图像特征与步骤S301中获得的所有聚类中心的曼哈顿距离,查找所有数据集中与输入图像特征距离最近的聚类中心,从而获得最近聚类中心所属任务的编号m,进而在提示池与分类头池中选取对应任务的提示与分类头;S402:使用步骤S401所确定的提示与分类头,将选中的提示附加至预训练Transformer编码器中每个block的多头自注意力层MSA的输入,以形成提示微调后的特征提取器,并连接选中的分类头形成特定任务的异物检测网络模型;S403:输入图像至S402中特定任务的异物检测网络模型,得到分类结果;S5:当所述异物检测网络模型学习新任务或迁移到新场景进行应用时,对新任务或新场景进行持续学习,具体步骤如下:S501:根据步骤S1使用部署在密集架上的网络相机摄像机拍摄的新场景下的通道内画面构建新任务的数据集;S502:向提示池与分类头池中附加新任务的提示与分类头;S503:使用步骤S501构建的新任务的数据集,采用步骤S301~S302训练步骤S502中构成的附加新参数后的异物检测网络模型;S504:采用步骤S401~S403中的方式,使用步骤S503中训练完成的异物检测网络模型进行新场景或新任务下的密集架通道异物实时检测。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南昌航空大学;江西方德科技有限公司;江西阳光安全设备集团有限公司,其通讯地址为:330063 江西省南昌市丰和南大道696号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。