-
公开(公告)号：CN117313823B
公开(公告)日：2024-04-12
申请号：CN202311594605.3
申请日：2023-11-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/084 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明提出一种卷积循环神经网络混合分布式并行训练方法及系统，属于气象预报技术领域；获取雷达回波灰度图像数据集并预处理为图像时间序列数据；划分为训练集、验证集和测试集；在流水线并行改造过程中，通过Oneflow框架提供的全局张量，结合Pytorch的通信原语，实现张量转移封装；将卷积循环神经网络划分为多个均匀的流水线阶段，每个阶段的流水线管理各自子模型的隐状态张量和前向传播过程；设计外层模型，处理前向传播过程中在序列维度上的循环结构，实现通用的流水线模型结构；在流水线并行的基础上，通过改写数据集采样器的数据分发逻辑实现数据并行；调整梯度缩放因子，利用自动混合精度避免梯度上溢；通过设置激活值检查点，降低显存占用。
-
公开(公告)号：CN117312832A
公开(公告)日：2023-12-29
申请号：CN202311594604.9
申请日：2023-11-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/213 , G01W1/10 , G06F17/18 , G06F17/14 , G06F18/241 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于深度序列模型的中长期云量预测方法及系统，属于气象预测技术领域，将预测位置的历史气象数据输入基于趋势分解和周期增强的预测分支模块，将预测位置附近区域的历史气象数据输入天气系统提取模块；将基于趋势分解和周期增强的预测分支模块的多个基本块堆叠得到基于趋势分解与周期增强的预测分支模块的输出；将基于趋势分解和周期增强的预测分支模块的输出和天气系统提取模块的输出在通道维度进行向量拼接后作为预测投影模块的输入，预测投影模块将输入向量投影成指定的形状，得到最终的预测结果。本发明利用预测位置附近区域的历史气象条件辅助云量预测，更符合现实情况与气象规律。
-
公开(公告)号：CN116106856A
公开(公告)日：2023-05-12
申请号：CN202310392594.4
申请日：2023-04-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01S7/41 , G01S13/95 , G01W1/10 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种雷暴大风的识别模型建立方法、识别方法及计算设备，涉及图像识别领域，方法包括根据雷达回波图像构建训练集；对训练集中的雷达回波图像进行标准化，获得标准化数据；将标准化数据中雷达回波强度真实值与训练过程中输出的预报值的平均值之间的误差作为初始模型中损失函数的参数；根据损失函数生成的损失值，对初始模型进行多次迭代，得到雷暴大风识别模型；初始模型包括时空卷积神经网络模型、CBAM注意力机制以及多尺度残差网络模型。利用雷暴大风识别模型在时空两个维度都进行卷积循环操作，增强重要特征，抑制不必要特征，从而实现增加图像的表征力，充分利用雷达回波数据的信息，提高识别雷暴大风的准确率。
-
公开(公告)号：CN115359370B
公开(公告)日：2023-01-24
申请号：CN202211290200.6
申请日：2022-10-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/13 , G06V20/70 , G06V10/82 , G06V10/80 , G06V10/774
Abstract: 本发明提供一种遥感图像云检测方法、装置、计算机装置及存储介质，涉及图像处理和深度学习领域，所述方法包括：获取遥感图像，对遥感图像进行云及云掩膜标注，得到数据集；对数据集进行预处理，得到用于云检测网络模型训练的训练集；将训练集输入云检测网络模型并进行训练，获得数据模型；根据数据集获得预测集，并将预测集作为数据模型的输入进行测试，获得云检测结果。通过结合多尺度空间注意力和通道注意力机制的方式有效提高云检测质量，在具有大量包含丰富信息的通道的遥感图像上取得了显著的性能提升，通过特征融合模块在高维空间构造了复杂的线性组合，使模型学习得到有效的融合方式，从而实现高质量的云检测效果。
-
公开(公告)号：CN114460555B
公开(公告)日：2022-08-23
申请号：CN202210363210.1
申请日：2022-04-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种雷达回波外推方法、装置及存储介质，方法包括：获取指定区域当前时刻的当前雷达回波图和当前卫星云图，以及过去一段时间的历史雷达回波图和历史卫星云图；采用第一IIA‑GRU编码器对所述当前雷达回波图和所述历史雷达回波图进行编码处理，获得第一编码图像；采用第二IIA‑GRU编码器对所述当前卫星云图和所述历史卫星云图进行编码处理，获得第二编码图像；基于融合门控机制对所述第一编码图像和所述第二编码图像进行融合，并采用IIA‑GRU解码器对融合结果进行解码，获得所述指定区域未来一段时间内的雷达回波图像。本发明的技术方案提高了长序列雷达回波的预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN118230174B
公开(公告)日：2024-09-20
申请号：CN202410634168.1
申请日：2024-05-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明提出了一种基于序列信息挖掘的遥感图像序列云检测方法及系统，属于气象检测技术领域，首先输入长度为4的遥感图像序列，所述遥感图像序列包括前序图像和检测图像；输入的遥感图像序列经过4个细节信息模块进行图像特征提取；然后将图像数据输入至上下文信息模块，进行上下文信息提取，对图像进行全局信息的补充；再输入Memory模块，通过前序图像特征图对当前特征图进行特征补充与增强；补强的图像数据经过解码器进行4次卷积与上采样的操作来恢复图像尺寸，最终输出与输入图像尺寸一致的图像。
-
公开(公告)号：CN118228002B
公开(公告)日：2024-09-20
申请号：CN202410634167.7
申请日：2024-05-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/20 , G06F18/15 , G06N3/0464 , G01P5/00 , G06F123/02
Abstract: 本发明提出了一种基于低频滤波和自相关性的中长期风速预测方法，属于风速预测技术领域，首先进行序列分解，输入过去采集的风速序列，采用基于低频滤波的深度学习时间序列分解方法进行分解；然后进行归一化，将分解的数据进行归一化处理；进行模型深度学习，输入经过处理后的数据，训练自相关性和多层线性层；最后逆归一化，将最近采集的新风速序列输入至步骤3训练好的模型进行预测，对预测结果进行逆归一化，还原预测结果到原始数据尺度上，得到未来一段时间的风速预测。
-
公开(公告)号：CN117313823A
公开(公告)日：2023-12-29
申请号：CN202311594605.3
申请日：2023-11-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/084 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明提出一种卷积循环神经网络混合分布式并行训练方法及系统，属于气象预报技术领域；获取雷达回波灰度图像数据集并预处理为图像时间序列数据；划分为训练集、验证集和测试集；在流水线并行改造过程中，通过Oneflow框架提供的全局张量，结合Pytorch的通信原语，实现张量转移封装；将卷积循环神经网络划分为多个均匀的流水线阶段，每个阶段的流水线管理各自子模型的隐状态张量和前向传播过程；设计外层模型，处理前向传播过程中在序列维度上的循环结构，实现通用的流水线模型结构；在流水线并行的基础上，通过改写数据集采样器的数据分发逻辑实现数据并行；调整梯度缩放因子，利用自动混合精度避免梯度上溢；通过设置激活值检查点，降低显存占用。
-
公开(公告)号：CN116106856B
公开(公告)日：2023-08-18
申请号：CN202310392594.4
申请日：2023-04-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01S7/41 , G01S13/95 , G01W1/10 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种雷暴大风的识别模型建立方法、识别方法及计算设备，涉及图像识别领域，方法包括根据雷达回波图像构建训练集；对训练集中的雷达回波图像进行标准化，获得标准化数据；将标准化数据中雷达回波强度真实值与训练过程中输出的预报值的平均值之间的误差作为初始模型中损失函数的参数；根据损失函数生成的损失值，对初始模型进行多次迭代，得到雷暴大风识别模型；初始模型包括时空卷积神经网络模型、CBAM注意力机制以及多尺度残差网络模型。利用雷暴大风识别模型在时空两个维度都进行卷积循环操作，增强重要特征，抑制不必要特征，从而实现增加图像的表征力，充分利用雷达回波数据的信息，提高识别雷暴大风的准确率。
-
公开(公告)号：CN115359370A
公开(公告)日：2022-11-18
申请号：CN202211290200.6
申请日：2022-10-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/13 , G06V20/70 , G06V10/82 , G06V10/80 , G06V10/774
Abstract: 本发明提供一种遥感图像云检测方法、装置、计算机装置及存储介质，涉及图像处理和深度学习领域，所述方法包括：获取遥感图像，对遥感图像进行云及云掩膜标注，得到数据集；对数据集进行预处理，得到用于云检测网络模型训练的训练集；将训练集输入云检测网络模型并进行训练，获得数据模型；根据数据集获得预测集，并将预测集作为数据模型的输入进行测试，获得云检测结果。通过结合多尺度空间注意力和通道注意力机制的方式有效提高云检测质量，在具有大量包含丰富信息的通道的遥感图像上取得了显著的性能提升，通过特征融合模块在高维空间构造了复杂的线性组合，使模型学习得到有效的融合方式，从而实现高质量的云检测效果。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.06 seconds)
