-
公开(公告)号：CN118196364A
公开(公告)日：2024-06-14
申请号：CN202410333173.9
申请日：2024-03-22
Applicant: 中国石油大学(华东)
IPC: G06V10/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/58
Abstract: 本发明提供一种基于通道注意力的高光谱图像预处理方法，属于图像处理技术领域，所述方法包括图像填充、局部卷积、局部平均池化、全局平均池化、全局最大池化、权重向量加权，图像填充用以保证卷积后的图像维度不变；局部卷积用以对图像进行卷积操作，以突出单个通道上的重要特征；局部平均池化用以对图像进行局部特征融合；全局平均池化用以提取图像富含的背景信息；全局最大池化用以提取图像富含的突出信息；权重向量加权用以对原始数据进行加权，用以实现通道注意力的分配；目前许多分类网络处理高光谱图像时在纵向维度上缺乏注意力，本发明通过预处理的方式实现了原始数据通道加权，解决了分类网络缺乏纵向注意力的问题。
-
公开(公告)号：CN117649430A
公开(公告)日：2024-03-05
申请号：CN202410115894.2
申请日：2024-01-29
Applicant: 中国石油大学(华东)
Abstract: 本发明公开基于卡尔曼滤波和关联匹配的多目标跟踪方法，属于电数字数据处理技术领域，用于进行多目标跟踪，包括将视频的每一帧输入到目标检测模型，在视频帧中检测出目标的位置和边界框，使用深度学习网络提取特征向量，使用卡尔曼滤波关联算法将目标在不同帧之间进行关联，采用匈牙利算法将当前帧的检测结果与先前帧跟踪的目标进行关联，根据阈值确定与现有跟踪目标匹配成功的检测结果，对未匹配到的检测结果将其视为新的目标，启动新的跟踪轨迹。本发明有助于提高模型对空间位置的感知能力，提高了后续对目标位置定位的准确度；有效地解决了在目标跟踪过程中目标发生形变，遮挡等情况时匹配不准确的问题，提升了跟踪器跟踪的精度。
-
公开(公告)号：CN112508273B
公开(公告)日：2023-04-07
申请号：CN202011412557.8
申请日：2020-12-03
Applicant: 中国石油大学(华东)
IPC: G06Q10/04 , G06F30/27 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/082 , G06F18/214 , G06F111/10
Abstract: 本发明提供了一种基于生成对抗网络的剩余油预测方法，所述方法为进行数据的采集，包括静态渗透率场数据和对应的不同时段的饱和度场数据，形成数据集；将采集好的数据集划分为训练集和验证集，并对训练集和验证集的数据进行归一化预处理，使用归一化预处理后的训练集对生成对抗网络模型进行训练；使用验证集对训练好的生成对抗网络模型的预测性能进行评估，挑选最佳生成对抗网络模型并保存；使用保存下来的最佳生成对抗网络模型来进行剩余油预测。通过本方法搭建剩余油预测生成对抗网络模型，只需要把渗透率场数据输入模型，并且设置时间步，即可自动计算出剩余饱和度场分布，系统响应快，计算精度高。
-
公开(公告)号：CN112507618A
公开(公告)日：2021-03-16
申请号：CN202011412982.7
申请日：2020-12-03
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明提供了一种基于生成对抗网络的油藏自动历史拟合方法，包括进行数据的采集，由渗透率场数据和生产数据形成数据集；对数据集进行预处理，并划分为训练集、验证集和测试集；使用训练集数据训练生成对抗网络模型，并同时使用验证集数据挑选最佳模型进行保存；读取保存的最佳模型，输入测试集数据，生成对应的渗透率场；将上步生成的渗透率场数据进行数值模拟得到生产数据b，并与测试集中真实的渗透率场对应的生产数据B对比，进行结果验证；使用经过结果验证合格的模型应用到实际的油井地质情况预测。本方法不需要代理模型或专家经验，通过训练生成对抗网络找到静态参数(渗透率场)和动态生产数据的映射关系，利用油井生产数据获得地质情况。
-
公开(公告)号：CN119380032A
公开(公告)日：2025-01-28
申请号：CN202411967721.X
申请日：2024-12-30
Applicant: 中国石油大学(华东)
Abstract: 本申请属于口罩佩戴检测技术领域，提供一种图像质量失真检测、识别系统及方法与自动追踪推送器，自动追踪装置；与所述自动追踪装置相配合使用的遥控器，所述遥控器包括发射器和接收器，其中接收器连接自动追踪装置的主控系统，且自动追踪装置的主控系统连接openmv摄像头；机体，所述机体采用可拆卸连接，且机体被驱动系统驱动；设置于所述机体上的openmv摄像头；所述遥控器还包括单片机，本发明具备自动追踪和手动调整追踪两种模式，大大提高了应用性，使其应用范围更广，且通过自动追踪装置和openmv摄像头配合使用，实现对未佩戴口罩人员的锁定。本发明可在识别到人员未佩戴口罩的同时，对未佩戴口罩的人员进行自动追踪和警示；应用性更广。
-
Patent Agency Ranking
公开(公告)号：CN118537369A
公开(公告)日：2024-08-23
申请号：CN202410601464.1
申请日：2024-05-15
Applicant: 中国石油大学(华东)
IPC: G06T7/246 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048
Abstract: 发明提供一种基于Vmamba(Visual mamba,视觉状态空间模型)和Transformer结合的单目标跟踪网络，属于图像处理技术领域，所述单目标跟踪网络包括特征提取网络、基于AiA(Attention in Attention)模块的注意力特征融合网络、跟踪头网络和中间帧更新网络，特征提取网络用以对初始帧、中间帧和搜索帧提取图像特征；基于AiA模块的注意力特征融合网络用以对图像特征进行自注意力和交叉注意力计算，生成增强后的特征图；跟踪头网络用于在特征图上预测目标边界框的坐标位置并返回搜索帧；中间帧更新网络用以将最新检测到的目标加入中间帧，以便得到目标最新的特征图，提高算法的跟踪性能。本发明实现了Vmamba在视觉跟踪领域的应用，解决了CNN(Convolutional Neural Network)作为主干网络缺乏全局感受野的问题。
-
公开(公告)号：CN112507618B
公开(公告)日：2023-10-27
申请号：CN202011412982.7
申请日：2020-12-03
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/048 , G06N3/082 , G06F111/10
Abstract: 本发明提供了一种基于生成对抗网络的油藏自动历史拟合方法，包括进行数据的采集，由渗透率场数据和生产数据形成数据集；对数据集进行预处理，并划分为训练集、验证集和测试集；使用训练集数据训练生成对抗网络模型，并同时使用验证集数据挑选最佳模型进行保存；读取保存的最佳模型，输入测试集数据，生成对应的渗透率场；将上步生成的渗透率场数据进行数值模拟得到生产数据b，并与测试集中真实的渗透率场对应的生产数据B对比，进行结果验证；使用经过结果验证合格的模型应用到实际的油井地质情况预测。本方法不需要代理模型或专家经验，通过训练生成对抗网络找到静态参数(渗透率场)和动态生产数据的映射关系，利用油井生产数据获得地质情况。
-
公开(公告)号：CN112926232A
公开(公告)日：2021-06-08
申请号：CN202011457426.1
申请日：2020-12-10
Applicant: 中国石油大学(华东)
IPC: G06F30/23 , G06T5/00 , G06T5/20 , G06T5/50 , G06N3/08 , G06N3/04 , G01V1/30 , G01V1/28 , G06F111/10
Abstract: 本发明提供了一种基于分层融合的地震低频分量恢复方法，通过正演方式获得全频段地震记录；将全频段地震记录滤除低频成分，得到对应的带限地震记录；将带限地震记录按照能量相近性做分层处理；将分层处理后的带限地震记录划分为训练集、验证集和测试集；利用训练集、验证集训练设计好的卷积神经网络，获得训练好的分层网络；将测试集带限数据输入训练好的分层网络，得到预测的分层的全频地震记录；将预测的分层的全频地震记录融合为完整的预测的地震记录；对完整的预测的地震记录做全波形反演，得到预测速度场。可有效避免由地震数据能量不均衡导致的卷积神经网络参数学习受干扰的现象，且恢复较深层低频分量的效果更优。
-
公开(公告)号：CN112508273A
公开(公告)日：2021-03-16
申请号：CN202011412557.8
申请日：2020-12-03
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种基于生成对抗网络的剩余油预测方法，所述方法为进行数据的采集，包括静态渗透率场数据和对应的不同时段的饱和度场数据，形成数据集；将采集好的数据集划分为训练集和验证集，并对训练集和验证集的数据进行归一化预处理，使用归一化预处理后的训练集对生成对抗网络模型进行训练；使用验证集对训练好的生成对抗网络模型的预测性能进行评估，挑选最佳生成对抗网络模型并保存；使用保存下来的最佳生成对抗网络模型来进行剩余油预测。通过本方法搭建剩余油预测生成对抗网络模型，只需要把渗透率场数据输入模型，并且设置时间步，即可自动计算出剩余饱和度场分布，系统响应快，计算精度高。
-
公开(公告)号：CN112329801A
公开(公告)日：2021-02-05
申请号：CN202011411926.1
申请日：2020-12-03
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种卷积神经网络非局部信息构建方法，所述方法利用普通的卷积神经网络提取图像的卷积特征；采用自注意力机制计算图像的像素级全局注意力图；通过注意力图构建图像内部的全局图结构；采用图卷积神经网络在图像内部的全局图结构上提取具有非局部性的图特征；采用矩阵乘法将图像的图特征与卷积特征进行融合，并将融合的特征输入到后续网络中。本发明方法不仅仅能提取图像固定感受野下的局部特征，还能够提取非局部特征，减少卷积神经网络在图像特征提取上的误差，显著增加图像生成与分类有效性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.019 seconds)
