-
公开(公告)号：CN118446276B
公开(公告)日：2025-01-10
申请号：CN202410444705.6
申请日：2024-04-12
Applicant: 广州海洋地质调查局
IPC: G06N3/086 , G06N3/006 , G06N3/0499
Abstract: 本申请提供一种神经网络参数处理方法、装置及设备，涉及机器学习技术领域。该方法包括：根据预存神经网络，确定目标种群的参数；按预设位置更新方式将目标种群分为多个子种群；将每个子种群中的粒子进行初始化处理，更新每个粒子的初始向量；向每个粒子输入待输入向量，按照粒子位置更新方式对粒子进行粒子位置更新，得到新的向量和适应度函数值；更新每个粒子种群中每个粒子的历史最优解和粒子种群的子种群最优解，更新目标种群的临时全局最优解；将最后一次迭代结束后的临时全局最优解作为目标全局最优解输出；确定预存神经网络所需的目标权值和目标阈值。本申请能节省得到更优的神经网络初始权值的时间成本。
-
公开(公告)号：CN118968272A
公开(公告)日：2024-11-15
申请号：CN202410899263.4
申请日：2024-07-05
Applicant: 广州海洋地质调查局
IPC: G06V20/05 , G06V10/77 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0499
Abstract: 本申请公开了一种水下物体的识别方法、装置、电子设备及存储介质，涉及数据处理技术领域，方法包括：获取水下探测得到的原始数据，扩充原始数据得到目标数据；利用目标数据训练预设的特征提取模型，利用训练后的特征提取模型从目标数据中提取得到数据特征；利用数据特征训练预设的特征降维模型，利用训练后的特征降维模型降低数据特征的维度，得到第一降维特征；利用第一降维特征训练预设的分类器模型，得到训练后的分类器模型；获取第二降维特征，并利用训练后的分类器模型对第二降维特征进行分类，识别得到第二降维特征对应的物体类别。扩充原始数据可提高目标数据的数量和质量，可增加各个模型的泛化能力，进而准确识别多个种类的水下物体。
-
公开(公告)号：CN117935077B
公开(公告)日：2024-08-20
申请号：CN202410099216.1
申请日：2024-01-23
Applicant: 广州海洋地质调查局
Abstract: 本发明公开了一种基于人工智能的遥感数据提取管理系统和方法。该系统可以通过获取目标海岛各次监测的遥感数据集，进而构建目标海岛的三维模型，有效地规避了海岛的变迁数据无法进行及时性和准确性的更新的情况，有助于实现对海岛资源的快速监测和评估，有利于及时发现和解决海岛的环境问题，通过分析目标海岛各次监测的边界变迁偏差系数、地形地貌变迁偏差系数和植被变迁偏差系数，得到目标海岛各次监测的边界变迁评价、地形地貌变迁评价和植被变迁评价，有助于了解海岛的变迁规律，有利于目标海岛的资源的规划和管理，有助于对海岛环境的保护和可持续发展，在一定程度上促进了海岛生态环境的保护和改善。
-
公开(公告)号：CN118506084A
公开(公告)日：2024-08-16
申请号：CN202410664066.4
申请日：2024-05-27
Applicant: 广州海洋地质调查局
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06V10/77 , G06N3/0455 , G06N3/08
Abstract: 本申请提供了一种遥感图像分类方法、模型训练方法、系统、设备及介质，该方法包括：将遥感样本图像集合输入基于量子生成器构建的数据扩充模型进行训练，得到训练完成的数据扩充模型；将数据扩充数据集输入待训练的特征提取子模型进行训练，得到训练完成的特征提取子模型；将特征提取数据集输入待训练的特征降维子模型进行训练，得到训练完成的特征降维子模型；将特征降维数据集输入待训练的遥感图像分类子模型进行训练，得到训练完成的遥感图像分类子模型；最后根据训练完成的特征提取子模型、特征降维子模型和遥感图像分类子模型，确定遥感图像分类模型，能够提高遥感图像分类的准确性和效率。可广泛地应用于遥感图像分类领域。
-
公开(公告)号：CN119128344A
公开(公告)日：2024-12-13
申请号：CN202411093650.5
申请日：2024-08-09
Applicant: 广州海洋地质调查局
Abstract: 本发明公开了一种地形的模拟退火反演求解方法、装置、设备及介质，本发明通过多维起始搜索与遗传算法优化机制的创新结合，实现了预测精度与效率的双重提升，具有显著的技术先进性和广泛的应用前景。本发明包括有益效果如下：预测性能显著提升：多维起始搜索与遗传算法优化机制的融合，使得本方案在复杂、多变的预测任务中展现出卓越的性能，预测精度与稳定性均得到大幅提升。计算效率优化：动态变异概率调节机制有效减少了不必要的计算开销，加速了收敛过程，使得本方案在保持高精度预测的同时，也具备较高的计算效率。本发明实施例能够高效准确进行地形的模拟退火反演求解，可广泛应用于数据处理技术领域。
-
Patent Agency Ranking
公开(公告)号：CN118446276A
公开(公告)日：2024-08-06
申请号：CN202410444705.6
申请日：2024-04-12
Applicant: 广州海洋地质调查局
IPC: G06N3/086 , G06N3/006 , G06N3/0499
Abstract: 本申请提供一种神经网络参数处理方法、装置及设备，涉及机器学习技术领域。该方法包括：根据预存神经网络，确定目标种群的参数；按预设位置更新方式将目标种群分为多个子种群；将每个子种群中的粒子进行初始化处理，更新每个粒子的初始向量；向每个粒子输入待输入向量，按照粒子位置更新方式对粒子进行粒子位置更新，得到新的向量和适应度函数值；更新每个粒子种群中每个粒子的历史最优解和粒子种群的子种群最优解，更新目标种群的临时全局最优解；将最后一次迭代结束后的临时全局最优解作为目标全局最优解输出；确定预存神经网络所需的目标权值和目标阈值。本申请能节省得到更优的神经网络初始权值的时间成本。
-
公开(公告)号：CN118097388A
公开(公告)日：2024-05-28
申请号：CN202410151449.1
申请日：2024-02-02
Applicant: 广州海洋地质调查局
IPC: G06V20/05 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了一种声纳图像的异常识别模型训练方法和异常识别方法、介质，方法包括：获取声纳图像样本和海底地形样本；对所述声纳图像样本和所述海底地形样本进行融合处理，确定融合样本；将所述融合样本输入分类模型，得到第一分类结果；所述异常识别模型包括所述分类模型；根据所述第一分类结果和预设常值，确定第二分类结果；根据所述第二分类结果与真实结果采用目标损失函数计算损失值，根据所述损失值更新所述预设常值和所述分类模型的参数，得到训练好的所述异常识别模型。本申请实施例有利于提升模型的适应性和鲁棒性，进而提升异常识别的准确度。本申请可以广泛应用于计算机技术领域。
-
公开(公告)号：CN117935077A
公开(公告)日：2024-04-26
申请号：CN202410099216.1
申请日：2024-01-23
Applicant: 广州海洋地质调查局
Abstract: 本发明公开了一种基于人工智能的遥感数据提取管理系统和方法。该系统可以通过获取目标海岛各次监测的遥感数据集，进而构建目标海岛的三维模型，有效地规避了海岛的变迁数据无法进行及时性和准确性的更新的情况，有助于实现对海岛资源的快速监测和评估，有利于及时发现和解决海岛的环境问题，通过分析目标海岛各次监测的边界变迁偏差系数、地形地貌变迁偏差系数和植被变迁偏差系数，得到目标海岛各次监测的边界变迁评价、地形地貌变迁评价和植被变迁评价，有助于了解海岛的变迁规律，有利于目标海岛的资源的规划和管理，有助于对海岛环境的保护和可持续发展，在一定程度上促进了海岛生态环境的保护和改善。
-
公开(公告)号：CN119130914A
公开(公告)日：2024-12-13
申请号：CN202411093091.8
申请日：2024-08-09
Applicant: 广州海洋地质调查局
Abstract: 本申请公开了一种裂缝检测方法、装置、电子设备及存储介质，涉及图像识别技术领域，方法包括：获取多张裂缝图像，对各张裂缝图像中的裂缝标注边界框；获取YOLOv5模型，将Wise‑IoU算法、CA注意力机制模块、GhostNet模块以及SPPFCSPC模块拟合到YOLOv5模型，得到裂缝检测模型；利用标注有边界框的各张裂缝图像作为训练数据训练裂缝检测模型；利用训练后的裂缝检测模型对裂缝图像进行裂缝检测。以YOLOv5模型为基础，引入Wise‑IoU算法、CA注意力机制模块、GhostNet模块以及SPPFCSPC模块，修改YOLOv5模型得到裂缝检测模型，可提高裂缝检测模型检测裂缝的准确性和效率。
-
公开(公告)号：CN118227943A
公开(公告)日：2024-06-21
申请号：CN202410325828.8
申请日：2024-03-21
Applicant: 广州海洋地质调查局
Abstract: 本发明公开了一种莫霍面求解方法、装置、电子设备及存储介质，方法包括：初始化目标区域的相关参数，将密度差和深度作为变量，基于模拟退火法结合Parker‑Oldenburg反演法迭代搜索得到目标密度差和目标深度；相关参数包括密度差、深度、滤波矩阵参数、重力异常矩阵和地震深度矩阵；基于目标密度差和目标深度，将滤波矩阵参数作为变量，结合Parker‑Oldenburg反演法迭代搜索得到目标滤波矩阵参数；根据目标密度差、目标深度、目标滤波矩阵参数和重力异常矩阵，通过Parker‑Oldenburg反演法处理得到目标区域的莫霍面深度。本发明确保了参数的自动调参，保证了莫霍面的精确度，提升了计算效率，可广泛应用于数据处理技术领域。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.028 seconds)
