-
公开(公告)号：CN117079099A
公开(公告)日：2023-11-17
申请号：CN202310877673.4
申请日：2023-07-18
Applicant: 西南石油大学
IPC: G06V10/82 , G06V20/40 , G06V40/20 , G06V10/774 , G06V10/40 , G06V10/80 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明公开了一种基于改进YOLOv8n的违规行为检测方法，包括：通过摄像头采集违规行为视频解码标注建立数据集；将标注好的数据集划分为训练集，验证集和测试集；对YOLOv8n网络进行改进，使用训练集对改进的YOLOv8n进行训练，同时使用验证集进行验证，保留验证集准确率最高的网络参数，使用测试集对导入网络参数改进的YOLOv8n网络进行测试。本发明通过改进C2f模块和引入注意力机制构建特征融合模块，提高模型的特征提取能力和检测精度。
-
公开(公告)号：CN116894782A
公开(公告)日：2023-10-17
申请号：CN202310876849.4
申请日：2023-07-18
Applicant: 西南石油大学
IPC: G06T5/00 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/048 , G06N3/045 , G06V10/40 , G06V10/82 , G06V10/80
Abstract: 本发明提出一种基于生成对抗网络的地震资料随机噪声盲去噪方法。首先对原始数据集按比例划分为训练数据和测试数据，分别在训练和测试数据中加入高斯噪声和未知的随机噪声；训练时将数据送入改进残差模块进行第一次特征粗提取，保证相邻图像像素之间的关联性；随后使用改进通道注意力机制对特征向量进行第二次细提取，保证图像自身特征的完备性；最后通过计算改进的梯度惩罚函数拉大真实样本与假样本之间的差距，不仅节约训练时间，也增强了判别器的判别能力，提高了生成器的特征提取能力。本发明网络具有较好的泛化性以及较高的准确性，特别是在存在一些复杂未知噪声的地震图像去噪方面有较好的表现。
-
公开(公告)号：CN116468684A
公开(公告)日：2023-07-21
申请号：CN202310392031.5
申请日：2023-04-12
Applicant: 西南石油大学
Inventor： 罗仁泽 , 李华督 , 唐祥 , 王磊 , 陈翔 , 雷璨如 , 林泓宇 , 吴涛 , 刘恒 , 罗任权 , 邓治林 , 余泓 , 谭亮 , 武娟 , 廖波 , 曹瑞 , 赵丹 , 王清松 , 易玺
IPC: G06T7/00 , G06T7/194 , G06V10/26 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/045
Abstract: 本发明提出一种基于改进yolo的管道焊缝缺陷检测方法，该方法先对采集到的管道焊缝缺陷图像进行预处理，构建改进yolo网络模型，具体实施方法为：在上采样特征提取模块采用两个改进的残差网络结构去进行特征提取，实现网络模型检测精度与检测速度的双增长，设计正则化交叉熵损失函数改善样本不平衡的问题，最后，利用数据训练集对模型进行参数训练，用测试集对训练好的模型进行测试。本发明有效的提高了管道焊缝缺陷检测精度和检测效率。
-
公开(公告)号：CN116433680A
公开(公告)日：2023-07-14
申请号：CN202310370170.8
申请日：2023-04-10
Applicant: 西南石油大学
Abstract: 本发明提出一种基于深度学习的骨显像病灶分割方法。该方法先对采集到的骨显像图像进行预处理，首先构建Encoder模块，对采用Swin Transformer编码部分对骨显像图像进行编码提取病灶特征，然后构建注意力汇聚模块对编码器输出的特征图注意力进行汇聚，减少注意力分散，提高局部的特征提取能力；然后构建Decoder模块对注意力汇聚模块输出的特征图进行逐步特征融合减少特征差异，同时将不同分辨率的特征图信息进行融合；最后将融合后的特征图输入线性预测层中得到分割的结果。本发明能够提高骨显像病灶分割的精度。
-
公开(公告)号：CN116433585A
公开(公告)日：2023-07-14
申请号：CN202310138341.4
申请日：2023-02-20
Applicant: 西南石油大学
IPC: G06T7/00 , G06T7/11 , G06N3/08 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于改进U‑Net和自适应混合损失的骨显像自动分割方法，针对骨显像图像信噪比低、病灶小难以提取和人工勾画病灶耗时等问题。以多尺度密集连接卷积块为基本卷积单位，提出了一种基于改进U‑Net的骨显像自动分割网络。在U‑Net的编码部分引入使用多尺度密集连接卷积块与最大池化层对骨显像病灶进行特征提取；在解码部分使用转置卷积进行上采样；在网络训练时使用自适应混合损失优化分割结果。本发明公开的骨显像病灶自动分割方法，比原始的分割方法更优秀，有效地提升了骨显像病灶的分割精度。
-
Patent Agency Ranking
公开(公告)号：CN116416161A
公开(公告)日：2023-07-11
申请号：CN202310391460.0
申请日：2023-04-13
Applicant: 西南石油大学
Abstract: 本发明所提供的一种基于生成对抗网络的图像修复的方法，以U‑Net与注意力机制为基础，利用改进U‑Net提取大范围、多尺度的特征信息，使用注意力机制网络获取全局特征信息，通过验证，本发明的修复算法具有更优秀的修复效果，具有广泛的应用价值。
-
公开(公告)号：CN116402801A
公开(公告)日：2023-07-07
申请号：CN202310390482.5
申请日：2023-04-12
Applicant: 西南石油大学
Inventor： 罗仁泽 , 李华督 , 唐祥 , 陈翔 , 雷璨如 , 武娟 , 王磊 , 吴涛 , 刘恒 , 林泓宇 , 罗任权 , 邓治林 , 余泓 , 谭亮 , 曹瑞 , 赵丹 , 王清松 , 易玺 , 廖波
IPC: G06T7/00 , G06V10/82 , G06V10/776 , G06V10/778 , G06V10/75 , G06N3/0464 , G06N3/045
Abstract: 本发明提出一种基于改进稠密连接网络的管道焊缝缺陷识别方法。该方法先对采集到的管道焊缝缺陷图像进行预处理，构建改进稠密连接网络模型，具体实施方法为：首先采用多通道不同尺度卷积的形式去改善稠密连接网络，进而提高网络的泛化能力；然后通过堆栈两个相同尺度卷积的方式去提高网络的特征提取能力；在网络稠密连接块中引入注意力机制模块，以达到提升有益特征，抑制无用特征的效果；设计交叉熵函数结合惩罚项损失函数，增加网络正则化效果；最后，利用数据训练集对模型进行参数训练，用测试集对训练好的模型进行测试。本发明有效的提高了管道焊缝缺陷识别精度和识别效率。
-
公开(公告)号：CN116167947A
公开(公告)日：2023-05-26
申请号：CN202310388957.7
申请日：2023-04-13
Applicant: 西南石油大学
IPC: G06T5/00 , G06V10/774 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于噪声水平估计的图像降噪的方法，以特征降维与卷积神经网络为基础，本发明的噪声水平估计模块具有估计准确和计算效率高的优点，在先行估计出噪声水平后再进行降噪，克服了常用的FFDNet等模型严重依赖先验参数的问题，并且将FFDNet模型的连续卷积部分替换为了密集连接块，大大提升了模型的特征提取能力。本发明可快速高效地完成图像降噪，具有广泛的应用价值。
-
公开(公告)号：CN115984249A
公开(公告)日：2023-04-18
申请号：CN202310093158.7
申请日：2023-02-10
Applicant: 西南石油大学
Abstract: 本发明所提供的一种基于迭代阈值的射线图像焊缝分割算法，本发明的阈值按照固定步长更新，当前迭代的阈值在上一轮迭代的阈值的基础上按照固定步长向上增加，逐步逼近最优的分割阈值；所利用两次循环的距离差值作为判断条件，更适合焊缝在图像中横向分布的情况，有利于焊缝区域的分割。
-
公开(公告)号：CN110045419B
公开(公告)日：2020-10-16
申请号：CN201910421351.2
申请日：2019-05-21
Applicant: 西南石油大学
Abstract: 本发明公开了一种感知器残差自编码网络地震资料去噪方法，为了克服传统去噪方法在泛化能力和去噪保真度等方面均无法满足高精度勘探要求，本发明将卷积自编码网络编码重构后的特征数据，经以多层感知器卷积层、多尺度层、BN层和自编码器组成的多层感知器残差卷积自编码块后再由解码部分输出，并与优化后的卷积核相结合，提出了基于深度学习的感知器残差自编码网络地震资料去噪方法。本发明公开的地震资料去噪方法在完整保留地震资料局部细节和不产生假象的情况下，仍能同时去除多次波和随机噪声。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.034 seconds)
