-
公开(公告)号:CN118968140A
公开(公告)日:2024-11-15
申请号:CN202410999797.4
申请日:2024-07-24
Applicant: 西安交通大学 , 盘锦中录油气技术服务有限公司
IPC: G06V10/764 , G06N3/0895 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464 , G06V10/44
Abstract: 本发明公开了一种基于半监督学习的岩屑白光图片分类方法、系统、设备、介质及程序,属于石油/天然气探测技术领域。方法包括对获取岩屑白光图片数据进行处理,构建数据集;使用数据集来训练基于半监督学习的岩屑白光图片分类网络,得到分类网络模型;设计损失函数对分类网络模型进行迭代训练,得到最终的分类网络模型;基于最终的分类网络模型对采集到的白岩图片进行分析,根据分析结果生成分类结果。本发明能够有效地帮助探测技术人员进行岩屑类型判断,提高对岩屑类型的分类工作效率,提升探测速率。
-
公开(公告)号:CN118587775A
公开(公告)日:2024-09-03
申请号:CN202410849608.5
申请日:2024-06-27
Applicant: 西安交通大学 , 盘锦中录油气技术服务有限公司
IPC: G06V40/20 , G06V10/42 , G06V10/44 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于手部分组的录井平台手势识别方法及系统,属于手势识别技术领域。包括获取手部图片数据集;采用多类型数据融合对手部图片数据集进行处理,提取手部特征;使用手部特征对时空建模基本单元进行训练,得到手势识别模型;利用手势识别模型对录井平台手势进行识别。本发明通过使用多分组训练、多类型数据融合、应用时序自适应卷积以及特征注意力融合方法构建手势识别网络,通过构建手势识别网络,实现快速的手势识别,并保证设别的准确性。
-
公开(公告)号:CN118246433B
公开(公告)日:2024-08-30
申请号:CN202410689939.7
申请日:2024-05-30
Applicant: 西安交通大学 , 盘锦中录油气技术服务有限公司
IPC: G06F40/20 , G06F40/30 , G06F18/22 , G06F18/241 , G06F18/27 , G06F18/214 , G06F18/213 , G06Q10/10
Abstract: 本发明公开了一种基于非自回归模型的录井综合记录摘要生成方法及系统,属于石油天然气探测技术领域,方法包括:收集录井综合记录;通过上下文生成语句数据增强模型,对收集录井综合记录进行扩充,得到扩充后的录井综合记录;构建非自回归模型,对扩充后的录井综合记录进行序列拼接作为输入序列,输入所述非自回归模型,然后进行迭代编码与解码,并使用连接主义时间分类算法进行潜在对齐并消除相邻重复词,以解码生成的摘要作为输出序列;对待分析录井综合记录进行推理,生成录井综合记录摘要。本发明能够提高录井综合记录效率,为后续探井计划提供可靠的依据,大幅度提升探测速度。
-
公开(公告)号:CN117036782A
公开(公告)日:2023-11-10
申请号:CN202310883091.7
申请日:2023-07-18
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于非对称训练的病理组织图像亚型分类与注释方法,包括:获取待分类的病理组织图像数据,对待分类的病理组织图像数据进行预处理,得到新的数据集;构建基于CNN和Deep GCN的非对称协同训练框架深度学习模型,然后进行训练,得到分类效果最好的深度学习模型;Deep GCN采用残差/密集连接构建;将新的数据集输入到分类效果最好的深度学习模型中,输出病理组织图像的癌症亚型所属分类,得到病理数据的补丁图像所属癌症亚型分类结果。本发明能实现像素级和细胞级特征的综合利用,可提高多类组织病理学图像分类的性能和注释区域的可解释性,分类性能更高,可解释性更强,泛化性更好。
-
公开(公告)号:CN116189043A
公开(公告)日:2023-05-30
申请号:CN202211714874.4
申请日:2022-12-29
Applicant: 西安交通大学
IPC: G06V20/40 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种面向动态视频中目标关键帧的自动定位方法,包括以下步骤:将待预测的视频数据统一转化为固定大小的视频,得到数据集,将数据集通过训练后的目标关键帧自动定位深度学习模型,得到包含目标的视频数据的关键帧位置。本发明采用一种基于“检测—定位”的两阶段框架,可以较好的分析包含目标的视频帧之间的依赖关系,给出关键帧定位结果。该深度学习模型输入为裁剪后的原始视频数据,并且以整段视频作为输入,避免了信息的损失。本方法对不同的种类的视频数据具有良好的兼容性,网络同时考虑了目标的图像特征和时空位置特征,具有自动化程度高,准确率高的特点。
-
公开(公告)号:CN111466905A
公开(公告)日:2020-07-31
申请号:CN202010280351.8
申请日:2020-04-10
Applicant: 西安交通大学
IPC: A61B5/0452
Abstract: 一种基于双向连通的心电波形提取方法,对心电图的图像沿导联方向纵向投影,确定各个导联的基线;对心电图的图像沿垂直导联方向横向投影,得到几个峰值,记录两个相邻峰值之间的区间;根据各个导联的基线位,计算导联与基线的交叉点,对于每一导联与基线有多个交叉点q,将第j导联与基线的多个交叉点q放入队列Qj中;遍历队列Qj中的交叉点q,选择满足约束的交叉点q作为p放入队列Pj中;复制一个与心电图相同的图像IM;以队列Pj中的每一个交叉点p为基础,计算双向连通图;对双向连通图进行采样,计算距离基线的相对像素值。本发明过程简洁,易于实现,对不同心电图像具有良好的适配性,同时误差更小。
-
公开(公告)号:CN111460951A
公开(公告)日:2020-07-28
申请号:CN202010219375.2
申请日:2020-03-25
Applicant: 西安交通大学
Abstract: 一种基于深度学习的心电信号自动分析方法,根据从公开数据集下载已经标注的心电数据,将心电数据进行处理,得到数据集,将数据集分为训练集、验证集和测试集;按照DLA结构,构建深度学习模型,训练得到训练好的深度学习模型;调整超参数,选取在验证集和测试集上分类效果最好的模型;对于待分类的12导联的心电数据,经过处理得到数据集,将数据集的数据输入到分类效果最好的模型中,得出心电数据的心电信号所属分类。本发明通过一维卷积提取低层次的波形结构特征,并将较浅和较深的层聚合起来,获取心电信号的空间及语义特征,既完成了形态分析,又得到了形态间的相互关联,可以应用于心电图片或者一维时间序列心电图的分类。
-
-
-
-
-
-