-
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：CN118642191A
公开(公告)日：2024-09-13
申请号：CN202410657993.3
申请日：2024-05-24
Applicant: 清华大学
IPC: G01V3/40 , G06F18/214 , G06F18/25 , G06N3/02 , G01V3/38
Abstract: 本申请公开了一种电磁反演模型的训练方法、装置、设备、介质及产品。该方法包括：获取地下介质对应的电性结构样本集及速度数据样本集；对电性结构样本集进行有限元正演，得到电磁响应数据；对速度数据样本集进行有限差分正演，得到地震响应数据；对速度数据样本集和地震响应数据进行逆时偏移成像，生成RTM数据；基于电磁响应数据及RTM数据对深度神经网络进行模型训练，得到电磁反演模型，以通过电磁反演模型用待探测区域的地下介质的电磁响应数据和RTM数据进行数据反演，得到待探测区域对应的电性结构数据。采用上述方法训练得到的电磁反演模型对地下介质进行反演计算，能够提高电磁反演结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118260552A
公开(公告)日：2024-06-28
申请号：CN202410357842.6
申请日：2024-03-27
Applicant: 清华大学
Abstract: 本申请实施例公开了一种超声衰减系数估计方法及设备，可以提高直接根据超声射频信号估计得到的超声衰减系数的精度。所述方法包括：将第一目标对数时频谱输入至目标神经网络，得到目标神经网络输出的第二目标对数时频谱，第二目标对数时频谱为归一化后的第一目标对数时频谱，第一目标对数时频谱为经过目标介质的超声衰减系数衰减后的超声射频信号的对数时频谱；根据第二目标对数时频谱，估计目标介质的超声衰减系数；目标神经网络的训练步骤包括：根据已知超声衰减系数的衰减射频信号的对数时频谱、以及已知超声衰减系数的衰减射频信号的归一化后的对数时频谱，构建训练样本对；根据训练样本对，对神经网络进行训练，得到目标神经网络。
-
公开(公告)号：CN112862081B
公开(公告)日：2023-07-18
申请号：CN202110288779.1
申请日：2021-03-18
Applicant: 清华大学
IPC: G06N3/048 , G06N3/08 , G06F18/214
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：CN117111074A
公开(公告)日：2023-11-24
申请号：CN202310944768.3
申请日：2023-07-28
Applicant: 清华大学
Abstract: 本申请提供一种超声速度分析方法、装置、设备及存储介质。该方法应用于合成孔径超声速度分析，包括：获取目标介质对应的超声通道数据，并根据超声通道数据获取多个共中心点道集；利用倾角估计算法获取每一共中心点道集对应的倾角估计结果；根据倾角估计结果，计算激发点和接收点为零偏移距时对应的双程旅行时和速度，并计算基于双程旅行时和速度联合概率密度分布的多条叠加速度谱；通过聚类算法和目标追踪算法，根据叠加速度谱得到叠加速度模型，并基于叠加速度模型得到超声波在目标介质中的层速度模型。本方法基于局部倾角估计，能够根据超声通道数据确定超声声速，提高了超声声速分析效率。
-
公开(公告)号：CN115659773A
公开(公告)日：2023-01-31
申请号：CN202210796150.2
申请日：2022-07-07
Applicant: 清华大学
IPC: G06F30/27 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种基于深度网络的全波形反演加速方法及相关装置，涉及地震勘探技术领域。该方法包括：获取第一速度模型的第一偏移数据；将第一速度模型以及第一偏移数据输入预先训练的深度学习网络，输出第二速度模型；深度学习网络为基于迭代数据和偏移数据训练得到的，迭代数据为对正演数据进行全波形反演FWI时产生的迭代数据，正演数据为对迭代数据进行正演得到的，偏移数据为基于迭代数据对正演数据进行偏移得到的；基于第二速度模型进行FWI，得到目标模型。利用上述方式得到的目标模型进行FWI迭代，可以加速FWI迭代过程的收敛，还可以改善FWI迭代过程中的发散问题。
-
公开(公告)号：CN118884558A
公开(公告)日：2024-11-01
申请号：CN202410158631.X
申请日：2024-02-04
Applicant: 清华大学
IPC: G01V11/00 , G06F18/25 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/098 , G01V1/28 , G01V1/30 , G01V3/08
Abstract: 本申请提供的基于多尺度特征融合网络的电磁地震联合反演方法和装置，属于地球物理反演技术领域。所述方法包括：生成具有随机断层和盐丘结构的电阻率模型和速度模型；对所述速度模型和所述电阻率模型进行正演模拟，得到样本数据集；利用所述样本数据集，对多尺度特征融合网络模型进行迭代训练，得到联合反演网络模型；利用所述联合反演网络模型对地震电磁数据进行联合反演。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
