-
公开(公告)号：CN112906797A
公开(公告)日：2021-06-04
申请号：CN202110207871.0
申请日：2021-02-25
Applicant: 华北电力大学
Abstract: 本发明属于公开了机械臂抓取计算领域的一种基于计算机视觉和深度学习的平面抓取检测方法，其步骤包括：收集或自制抓取数据集，并进行特定的数据增强；利用深度补全算法补全深度图信息，并对数据集进行深度信息融合、统一裁剪以及训练验证划分；根据训练得到的抓取检测模型，利用真实图像数据作为网络输入，抓取质量分数及抓取框五维表示作为输出，采用反向传播算法和基于标准梯度的优化算法，通过排序优化转换为抓取框四个顶点信息，实现可视化，最终映射到真实世界坐标。使得检测得到的抓取框与真实值差异最小化；本发明解决了经验抓取检测方法为实现泛化性而很难满足精准性的问题；解决了抓取检测方法在真实场景中难以保证实时性的问题。
-
公开(公告)号：CN110361778B
公开(公告)日：2020-10-13
申请号：CN201910599289.6
申请日：2019-07-04
Applicant: 华北电力大学
Abstract: 本发明属于油田地震大数据重建技术领域，尤其涉及一种基于生成对抗网络的地震数据重建方法，包括：使用被裁减成统一大小的地震切片数据作为训练集；采用深度卷积生成对抗网络对训练集进行训练，并采用Wasserstein距离来作为地震数据生成模型的训练评判指标；采用地震数据生成模型对地震数据进行重建，采用反向传播算法和基于标准梯度的优化算法来优化目标函数的梯度，使得重建数据与缺失数据的差值最小化。本发明的有益效果：解决了传统地震数据重建算法需要满足Nyquist采样定理限制的问题；解决了使用压缩感知算法重建地震数据稀疏基难以选择的问题；解决了压缩感知算法以及传统重建算法在极低采样率情况下重建效果不好的问题。
-
公开(公告)号：CN110361778A
公开(公告)日：2019-10-22
申请号：CN201910599289.6
申请日：2019-07-04
Applicant: 华北电力大学
Abstract: 本发明属于油田地震大数据重建技术领域，尤其涉及一种基于生成对抗网络的地震数据重建方法，包括：使用被裁减成统一大小的地震切片数据作为训练集；采用深度卷积生成对抗网络对训练集进行训练，并采用Wasserstein距离来作为地震数据生成模型的训练评判指标；采用地震数据生成模型对地震数据进行重建，采用反向传播算法和基于标准梯度的优化算法来优化目标函数的梯度，使得重建数据与缺失数据的差值最小化。本发明的有益效果：解决了传统地震数据重建算法需要满足Nyquist采样定理限制的问题；解决了使用压缩感知算法重建地震数据稀疏基难以选择的问题；解决了压缩感知算法以及传统重建算法在极低采样率情况下重建效果不好的问题。
-
公开(公告)号：CN112906797B
公开(公告)日：2024-01-12
申请号：CN202110207871.0
申请日：2021-02-25
Applicant: 华北电力大学
IPC: G06F30/27
Abstract: 本发明属于公开了机械臂抓取计算领域的一种基于计算机视觉和深度学习的平面抓取检测方法，其步骤包括：收集或自制抓取数据集，并进行特定的数据增强；利用深度补全算法补全深度图信息，并对数据集进行深度信息融合、统一裁剪以及训练验证划分；根据训练得到的抓取检测模型，利用真实图像数据作为网络输入，抓取质量分数及抓取框五维表示作为输出，采用反向传播算法和基于标准梯度的优化算法，通过排序优化转换为抓取框四个顶点信息，实现可视化，最终映射到真实世界坐标。使得检测得到的抓取框与真实值差异最小化；本发明解决了经验抓取检测方法为实现泛化性而很难满足精准性的问题；解决了抓取检测方法在真实场景中难以保证实时性的问题。
-
-
-
Search Results
4
records
(took 0.016 seconds)
