-
公开(公告)号：CN111856561B
公开(公告)日：2023-03-14
申请号：CN202010739963.9
申请日：2020-07-28
Applicant: 清华大学
Abstract: 本发明涉及一种基于深度学习的高精度地震构造曲率体计算方法，本发明提供了一种使用深度学习技术进行高精度构造曲率计算模型的方法。该方法一方面结合井数据和地表DEM数据，使用合适的方法进行人工合成样本，提供大量具有准确高精度构造曲率标签的学习样本；另一方面借助于所设计的SeisCvtNet网络和Geometric损失函数，直接建立从地震波形响应(包括波形实部Wreal和波形虚部Wimag)到高精度构造曲率(最大正曲率Cpos和最小负曲率体Cneg)的端到端映射模型，并据此对实际地震数据体的构造曲率进行准确计算。
-
公开(公告)号：CN115238565A
公开(公告)日：2022-10-25
申请号：CN202210631581.3
申请日：2022-06-06
Applicant: 清华大学
Abstract: 本申请提供一种电阻率模型重构网络训练方法、电磁反演方法及装置，其中，所述方法包括：基于随机等效介质技术模拟矿床结构，并将所述矿床结构嵌入到随机的起伏地层结构中，得到包含矿床结构的地质模型；基于已有地质资料将所述地质模型转化为电阻率模型，并根据所述电阻率模型获取样本数据集，所述样本数据集包括随机模拟的起伏地层结构数据、矿床结构数据以及对应的电阻率数据；基于所述样本数据集对初始电阻率模型重构网络进行训练，得到电阻率模型重构网络，所述电阻率模型重构网络用于对第一电磁反演数据进行深度学习，得到第二电磁反演数据。本申请样本的随机性更高，有助于提高网络的准确性和泛化性，可有效提高深度学习的反演精度。
-
公开(公告)号：CN114521917A
公开(公告)日：2022-05-24
申请号：CN202210139233.4
申请日：2022-02-15
Applicant: 清华大学
Inventor： 陆文凯
Abstract: 本申请提供一种超声重新波束形成方法、装置和存储介质，其中，方法包括：从超声设备获取第一波束形成数据；对所述第一波束形成数据进行逆斯托尔特Stolt波束形成处理，获得频域目标回波数据；采用多个预设声速，对所述频域目标回波数据进行波束形成处理，从多个预设声速中确定与真实声速匹配的匹配声速，以及与所述匹配声速对应的匹配波束形成数据。本申请的方法，解决了现有技术因个体之间的差异导致超声设备上的假设声速与不同人体上扫描目标的真实声速不匹配，进而引起获得的超声图像聚焦质量差的问题。
-
公开(公告)号：CN114047548A
公开(公告)日：2022-02-15
申请号：CN202110770021.1
申请日：2021-07-07
Applicant: 清华大学
Abstract: 本发明公开了一种基于闭环网络的地震波阻抗反演不确定性分析方法，结合闭环网络和深度证据回归方法，提出了一个新的不确定性分析网络，即不确定性反传网络(UB‑Net)，用以预测反演过程的不确定性，预测的不确定性与误差有较好的相关性，同时通过在无标签数据上进行不确定性的反传，预测结果具有良好的横向连续性，同时可以更清楚的预测断层，反演结果更加合理。
-
公开(公告)号：CN113436109A
公开(公告)日：2021-09-24
申请号：CN202110774364.5
申请日：2021-07-08
Applicant: 清华大学
Abstract: 本发明公开了属于医学超声成像技术领域的一种基于深度学习的超快高质量的平面波超声成像方法。首先采集多人不同部位的合成孔径超声的三维通道数据，并利用此三维通道数据生成平面波的二维通道数据；接着采用相应的波束形成技术处理上述两种通道数据，得到成对的合成孔径和平面波的超声RF数据，建立用于深度网络训练的数据集；然后利用前面建立的成对数据集中的平面波RF数据作为网络的输入，合成孔径RF数据作为网络的输出标签，训练后得到深度网络模型；最后将实际采集的平面波RF数据输入训练好的深度网络模型，输出其对应的合成孔径RF数据的估计。本发明不仅保持了平面波超声具有的超快成像的速度优势，还提高了成像质量。
-
Patent Agency Ranking
公开(公告)号：CN113177992A
公开(公告)日：2021-07-27
申请号：CN202110539280.3
申请日：2021-05-18
Applicant: 清华大学
Inventor： 陆文凯
Abstract: 本发明公开了一种高效的合成孔径超声成像方法，包括分两步的合成孔径超声波束形成。第一步类似地震数据的叠加，将合成孔径超声的原始三维通道数据进行延时累加得到自激自收的二维RF数据的估计，实现数据的压缩。第二步类似地震数据的叠后偏移，利用傅里叶域成像方法对第一步得到的二维RF数据进行第二次波束形成，得到最后的成像结果。本发明实现了传输数据的压缩，又降低了波束形成的计算量。
-
公开(公告)号：CN112862081A
公开(公告)日：2021-05-28
申请号：CN202110288779.1
申请日：2021-03-18
Applicant: 清华大学
Abstract: 本发明公开了属于计算机视觉技术领域的一种基于傅立叶变换的人工神经网络的多模光纤成像方法。基于多模光纤成像的物理模型，利用傅立叶变换将输入散斑图像转换到稀疏的K空间，之后利用单层人工神经网络将散斑图像在K域的稀疏表达重建为原始图像。该方法利用了图像在K空间中表达的稀疏性从而更好地提取了散斑图像中的信息，达到了很高的重建精度。
-
-
公开(公告)号：CN111929723A
公开(公告)日：2020-11-13
申请号：CN202010680064.6
申请日：2020-07-15
Applicant: 清华大学
Abstract: 本发明提出一种基于多任务学习的地震数据约束下的速度模型超分辨率方法，该方法采用多任务学习策略，使用结构相同的深度网络，处理低分辨率的地震速度模型、地震数据及二者的梯度图像，同时将低分辨率的地震速度模型与地震数据、以及二者在水平和垂直两个方向的索贝尔(sobel)算子同时输入网络，强制六个任务共享同一网络，得到高分辨率地震速度模型、地震数据及二者的梯度图像。
-
公开(公告)号：CN109031415B
公开(公告)日：2020-04-10
申请号：CN201810634656.7
申请日：2018-06-20
Applicant: 清华大学
Abstract: 本发明公开了一种基于深度卷积神经网络的可控震源数据振铃压制方法，其特征在于，所述振铃压制方法包括以下步骤：步骤1：首先从实际地震数据中提取地震子波，并合成伪反射系数，将地震子波与伪反射系数进行卷积，得到合成地震数据；步骤2：将伪反射系数作为要拟合的输出，合成地震数据作为输入，对深度卷积神经网络进行训练；步骤3：将实际地震数据输入已训练好的网络中，在输出端得到振铃压制后的结果。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.023 seconds)
