-
公开(公告)号：CN118115379A
公开(公告)日：2024-05-31
申请号：CN202410235665.4
申请日：2024-03-01
Applicant: 西南石油大学
IPC: G06T5/70 , G01V1/36 , G01V1/34 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明提出一种基于深度学习的两阶段地震资料多次波噪声压制方法。该图像去噪方法，首先对真实工区含多次波噪声数据集按比例划分为训练数据和测试数据；训练过程分为两个阶段，第一阶段对训练数据进行目标检测，框选出含多次波噪声的部分，然后对无噪声部分进行MASK掩码处理，达到数据增强目的；第二阶段先将处理过后的数据分为含强、弱多次波噪声图片两类，然后自适应的输入到基于改进的Swin‑Transformer强、弱去噪模型中进行去噪。节约训练时间，节省计算成本，且本方法具有较好的去噪精度以及很强的适应性，特别是在一些多次波噪声强、弱等级相差较大的数据中有非常好的表现。
-
公开(公告)号：CN116894825A
公开(公告)日：2023-10-17
申请号：CN202310877840.5
申请日：2023-07-18
Applicant: 西南石油大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06V10/25 , G06V10/764 , G06V10/762 , G06V10/40 , G06N3/084
Abstract: 本发明所提供的一种基于深度学习的X射线图像焊缝缺陷检测方法，利用FasterRCNN网络对X射线图像进行焊缝缺陷检测，相较于传统FasterRCNN，本发明改进了主干网络的ResNet50模块，在Bottleneck中最后一个卷积层后面增加了gi信息增益模块，提升特征提取能力，同时，对RPN网络中的预设锚框生成比例进行修改，使用K‑Means++算法对待检测的目标长宽比例进行聚类，得到更符合当前检测数据集的缺陷特征长宽比例分布，提升缺陷检测效果。
-
公开(公告)号：CN117150390A
公开(公告)日：2023-12-01
申请号：CN202311124905.5
申请日：2023-09-02
Applicant: 西南石油大学
IPC: G06F18/243 , G06F18/2415 , G06F18/214 , G06N3/006 , G06N3/08 , G06N3/0985 , G06N20/00 , G06N5/01
Abstract: 一种基于成本敏感型学习的富水致密砂岩流体判别方法，本方法将富水致密砂岩流体识别问题类比为类别不平衡分类问题，根据解决类不平衡分类问题的思路，提出了基于参数构建的成本敏感型梯度提升决策树(PC‑SC‑GBDT)；首先，在数据层面进行了测井复合参数构建，将测井曲线、复合参数和物性参数同时作为模型的输入特征；其次，在算法层面，优化了梯度提升决策树中样本权重更新的方式，将召回率指标引入权重更新公式中，对于不同类别的训练样本基赋予不同的权重更新方式；最后，通过多种优化算法对模型进行超参数寻优，得到最优超参数下的最佳性能模型。
-
公开(公告)号：CN116402226A
公开(公告)日：2023-07-07
申请号：CN202310394588.2
申请日：2023-04-13
Applicant: 西南石油大学
IPC: G06Q10/04 , G06Q50/02 , G06N3/0464 , G06N3/084 , G06N3/0442
Abstract: 本发明公开了一种基于改进卷积神经网络的高含水致密砂岩储层产能智能预测方法行为识别方法，该方法对测井曲线进行特征提取，构建效率更高的识别网络，具体实施方法为：首先建立适合人工智能模型训练的测井数据集合X；然后送入本发明提出的网络模型BBC中进行训练，通过利用了扩张的CNN和双向递归神经网络单元(BiGRU‑BiLSTM)体系结构来生成融合特征，然后通过结合局部和全局特征信息，最终得到网络模型的预测结果；最后使用交叉熵损失，并使用随机梯度下降对模型的损失进行反向传播，优化网络模型的参数，以达到全局最优。
-
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。
-
Patent Agency Ranking
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：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：CN117236390A
公开(公告)日：2023-12-15
申请号：CN202311229800.6
申请日：2023-09-22
Applicant: 西南石油大学
IPC: G06N3/0464 , G01V11/00 , G06N5/01 , G06N20/20 , G06N3/045 , G06N3/0499 , G06N3/08 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0455
Abstract: 本发明提出一种基于交叉注意力扩散模型的储层预测方法，以生成式扩散模型为储层参数预测的基础，工区已有测井及取心资料作为数据支撑，结合Transformer特征提取模块及交叉注意力模块，更好地捕获了测井数据与储层参数之间的交互关联，提升模型在迭代去噪过程中预测储层参数的准确率。相较于常规地质方法依赖于建模繁琐的数学经验公式计算储层参数，本发明以一种端到端的方式预测储层参数，即将任意目标区域的测井数据直接输入到训练好的模型中预测储层参数，更好地提取测井数据各特征之间的相关性，避免了通过获取岩心数据对模型进行校正带来的成本问题，实现对任意目标区域低成本高精度的储层参数预测。
-
公开(公告)号：CN117011142A
公开(公告)日：2023-11-07
申请号：CN202310991773.X
申请日：2023-08-08
Applicant: 西南石油大学
IPC: G06T3/40 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明提出一种基于改进的生成对抗网络提高图像分辨率方法。方法具体步骤如下：(1)构建图像高低对应的分辨率数据集；(2)生成器网络中，引入残差密集块替代原始生成对抗网络模型的基本卷积块，去掉了中的批量归一化层，并将亚像素卷积替换为卷积层和双线性插值操作组合去实现上采样；(3)在鉴别器网络中，将VGG网络更改为改进的U‑Net。第一次卷积操作后加入了注意力机制，后续的四次卷积之前先会使用ReLU函数进行激活，并加入谱归一化技术；(4)构建训练图像的生成器损失模块，该损失加入了TV平滑损失，促使生成的图像更加平滑和连续；(5)利用(1)中构建的数据集对改进的生成对抗网络模型进行训练、验证。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.023 seconds)
