-
Patent Agency Ranking
公开(公告)号：CN114138919B
公开(公告)日：2024-08-06
申请号：CN202111440070.5
申请日：2021-11-30
Applicant: 河北工业大学
IPC: G06F16/29 , G06N3/0464 , G06N3/08 , G06T17/05
Abstract: 本发明公开了一种基于非局部注意力卷积神经网络的地震数据重建方法。本发明通过非局部注意力机制建立长距离特征关系，通过计算不同局部特征之间的相关性权重，建立局部特征之间的依赖关系，使局部特征可以感知到全局信息，通过引入更多的全局信息加强局部特征的学习能力。因此，非局部注意力可以在不显著加大网络深度的同时建立长距离特征关系，有效融合局部特征和全局特征。本发明采用深度残差网络模块，该模块中包含的多个短跳跃连接和一个长跳跃连接，在有效防止过拟合的同时，还能允许大量的浅层特征向深层传递，方便了信息的流动，使主网络专注于重建缺失的地震数据。
-
公开(公告)号：CN113269818A
公开(公告)日：2021-08-17
申请号：CN202110641642.X
申请日：2021-06-09
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于深度学习的地震数据纹理特征重建方法。本发明采用纹理提取网络，用浅层卷积网络进行训练，该纹理提取网络随着训练的过程不断更新自己的参数，使得纹理提取网络能够提取到最合适的纹理特征信息。采用归一化内积的方法分别计算上采样低分辨率图像特征图Q中的一个特征块和下上采样参考图像特征图K的一个特征块的两两特征块之间的相似度ri，j，通过分块计算相似度来进行迁移学习，用注意力机制进行纹理迁移。在损失函数部分加入了对抗损失和感知损失。本发明能够自动更新参数，不需要其他的先验信息，并且可以学习复杂的纹理特征结构，有效地避免空间假频问题，能够快速重建出清晰的高分辨率地震数据。
-
公开(公告)号：CN113269818B
公开(公告)日：2023-07-25
申请号：CN202110641642.X
申请日：2021-06-09
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于深度学习的地震数据纹理特征重建方法。本发明采用纹理提取网络，用浅层卷积网络进行训练，该纹理提取网络随着训练的过程不断更新自己的参数，使得纹理提取网络能够提取到最合适的纹理特征信息。采用归一化内积的方法分别计算上采样低分辨率图像特征图Q中的一个特征块和下上采样参考图像特征图K的一个特征块的两两特征块之间的相似度ri，j，通过分块计算相似度来进行迁移学习，用注意力机制进行纹理迁移。在损失函数部分加入了对抗损失和感知损失。本发明能够自动更新参数，不需要其他的先验信息，并且可以学习复杂的纹理特征结构，有效地避免空间假频问题，能够快速重建出清晰的高分辨率地震数据。
-
公开(公告)号：CN114138919A
公开(公告)日：2022-03-04
申请号：CN202111440070.5
申请日：2021-11-30
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于非局部注意力卷积神经网络的地震数据重建方法。本发明通过非局部注意力机制建立长距离特征关系，通过计算不同局部特征之间的相关性权重，建立局部特征之间的依赖关系，使局部特征可以感知到全局信息，通过引入更多的全局信息加强局部特征的学习能力。因此，非局部注意力可以在不显著加大网络深度的同时建立长距离特征关系，有效融合局部特征和全局特征。本发明采用深度残差网络模块，该模块中包含的多个短跳跃连接和一个长跳跃连接，在有效防止过拟合的同时，还能允许大量的浅层特征向深层传递，方便了信息的流动，使主网络专注于重建缺失的地震数据。
-
公开(公告)号：CN115690770A
公开(公告)日：2023-02-03
申请号：CN202211413757.4
申请日：2022-11-11
Applicant: 河北工业大学
IPC: G06V20/62 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于空间注意力特征的非受限场景下的车牌识别方法，通过YOLOv5目标检测网络提取出完整车牌图像中的车牌区域，然后将车牌区域送入空间变换网络对车牌字符进行矫正；再将矫正后的特征送入空间注意力特征提取模块提取该区域的空间注意力特征，得到最终特征；最后将最终特征输入到训练好的字符识别网络中进行字符识别，得到七个车牌的字符信息，进而识别出车牌字符。本发明通过计算车牌区域的空间注意力特征，使得网络更加专注于车牌区域的字符信息，避免了复杂的背景影响车牌识别的成功率。本发明在字符识别过程中采用了无分割方法，无需车牌字符区域的字符分割流程，从而避免了由于字符分割错误而导致的车牌字符识别错误。
-
-
-
-
Search Results
5
records
(took 0.027 seconds)
