-
公开(公告)号：CN114998646B
公开(公告)日：2024-11-12
申请号：CN202210512526.2
申请日：2022-05-12
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06T3/4007 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明是一种基于神经网络的印章识别系统及识别方法。本发明涉及图像识别技术领域，本发明为解决印章自动识别准确率较低的问题,将印章数据标注，并进行数据增广方法提高数据量，使得训练的模型具有更强的泛化能力；进一步，利用数据通过racnn网络模型进行训练，提取印章特征；最后将所得特征进行分类，得出分类结果。通过此方法训练得到的印章分类模型可以实现较高准确率的印章识别。
-
公开(公告)号：CN118169756B
公开(公告)日：2025-04-08
申请号：CN202410313193.X
申请日：2024-03-19
Applicant: 哈尔滨工业大学
IPC: G01V1/36
Abstract: 本发明公开了基于快速低秩预测的非规则网格高维地震数据重构方法，属于地震数据处理技术领域。解决了现有技术中传统的基于低秩预测的地震数据重构方法矩阵分解计算效率慢的问题；本发明通过对规则网络地震数据进行插值获取非规则网格地震数据，结合映射梯度下降算法进行迭代求解，得到更新后的地震数据，对其进行一维傅里叶变换，随后进行正向快速汉克矩阵‑向量乘积，再进行低秩预测处理，之后进行转置快速汉克矩阵‑向量乘积，采用随机QR分解代替奇异值分解，采用卷积加速反对角平均，得到低秩预测后的结果，对频域地震数据的共轭矩阵进行傅里叶逆变换迭代求解直至收敛条件，得到重构后的地震数据。本发明有效提高了地震数据重构效率和精度。
-
公开(公告)号：CN114998646A
公开(公告)日：2022-09-02
申请号：CN202210512526.2
申请日：2022-05-12
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06T3/40 , G06N3/04 , G06N3/08
Abstract: 本发明是一种基于神经网络的印章识别系统及识别方法。本发明涉及图像识别技术领域，本发明为解决印章自动识别准确率较低的问题,将印章数据标注，并进行数据增广方法提高数据量，使得训练的模型具有更强的泛化能力；进一步，利用数据通过racnn网络模型进行训练，提取印章特征；最后将所得特征进行分类，得出分类结果。通过此方法训练得到的印章分类模型可以实现较高准确率的印章识别。
-
公开(公告)号：CN118169756A
公开(公告)日：2024-06-11
申请号：CN202410313193.X
申请日：2024-03-19
Applicant: 哈尔滨工业大学
IPC: G01V1/36
Abstract: 本发明公开了基于快速低秩预测的非规则网格高维地震数据重构方法，属于地震数据处理技术领域。解决了现有技术中传统的基于低秩预测的地震数据重构方法矩阵分解计算效率慢的问题；本发明通过对规则网络地震数据进行插值获取非规则网格地震数据，结合映射梯度下降算法进行迭代求解，得到更新后的地震数据，对其进行一维傅里叶变换，随后进行正向快速汉克矩阵‑向量乘积，再进行低秩预测处理，之后进行转置快速汉克矩阵‑向量乘积，采用随机QR分解代替奇异值分解，采用卷积加速反对角平均，得到低秩预测后的结果，对频域地震数据的共轭矩阵进行傅里叶逆变换迭代求解直至收敛条件，得到重构后的地震数据。本发明有效提高了地震数据重构效率和精度。
-
-
-
Search Results
4
records
(took 0.021 seconds)
