-
公开(公告)号：CN110210296A
公开(公告)日：2019-09-06
申请号：CN201910336622.4
申请日：2019-04-25
Applicant: 长江大学
Abstract: 本发明提供了一种结合U-net网络和DenseNet网络的微地震有效信号检测方法，包括：(1)生成原始数据集；(2)标定数据集；(3)构建MSNet网络；(4)调整网络参数；(5)信号学习后标定初至点。本发明还提供了一种结合U-net网络和DenseNet网络的微地震有效信号检测系统，包括：原始数据集生成模块，数据集标定模块，MSNet网络构建模块，网络参数调整模块，学习后初至点标定模块。本发明基于U-net网络对CNN网络在信号特征的学习和提取，结合所述DenseNet网络，达到进一步优化信号特征的学习和提取的目的。本发明在微地震监测中具有更深层次特征提取、更精细的信号分割的特点，可以广泛应用于地下状态监测领域。
-
公开(公告)号：CN110334567B
公开(公告)日：2022-12-23
申请号：CN201910222578.4
申请日：2019-03-22
Applicant: 长江大学
Abstract: 本发明实施例公开了一种微地震有效信号检测方法，属于信号处理领域。该方法包括：采集低噪比环境的微地震信号制作训练集和测试集，训练循环神经网络得到有效信号识别模型，将检测到的有效信号输入到inception网络中得到特征图，再在所述特征图中标注预定义框，通过计算预定义框的边框回归及前后背景区分，生成区域建议框，对区域建议框进行ROI池化后得到固定大小的特征图，分别对所述特征图进行分类打分及边框回归加权求取所述有效信号识别模型的损失值，最后优化损失值，利用有效信号识别模型检测低噪比环境的微地震信号。通过该方案，可以快速准确地对低信噪比环境下的微地震信号进行检测，大大提高了检测精度。
-
公开(公告)号：CN113484919B
公开(公告)日：2022-11-04
申请号：CN202110740780.3
申请日：2021-06-30
Applicant: 长江大学
Abstract: 本发明属于磁法勘探技术领域，公开了一种基于卷积神经网络的磁异常反演方法、系统、终端及介质，基于磁异常体模型进行正演模拟产生样本数据集，构建VGG磁异常反演网络；利用样本数据集训练所述VGG磁异常反演网络；将磁异常数据输入到训练好的VGG磁异常反演网络中，得到反演结果。本发明可以准确的反演出磁异常体的位置和磁化强度，具有较强的学习能力和一定的泛化能力，能有效解决磁异常数据反演问题。本发明设计成不同性质和尺寸模型，通过移动模型位置、设置不同磁化强度正演得到大量数据后，可以准确的反演出磁异常体的位置和磁化强度，能有效解决磁异常数据反演问题。
-
公开(公告)号：CN110276263B
公开(公告)日：2021-05-14
申请号：CN201910440046.8
申请日：2019-05-24
Applicant: 长江大学
Abstract: 本发明属于图像识别技术领域，公开了一种人脸识别系统及识别方法，通过摄像头采集至少三张不同状态下注册的彩色人脸图像；将所有采集到的所有注册人脸图像转换为HSV彩色人脸图像，通过降维算法求得一维的特征向量，并贴好一维特征向量对应人脸图像名字的标签；通过降维算法求得的X，与已知人脸的一维向量和标签通过数据库进行存储；通过对比数据库中存储的一维向量的距离，判定待测人脸所属的标签；识别待测人脸。本发明通过将HSV图像与三维彩色图像进行降维处理，相比传统的灰度图像和RGB图像提升了人脸识别的精度。
-
公开(公告)号：CN109597123B
公开(公告)日：2021-02-19
申请号：CN201811256943.5
申请日：2018-10-26
Applicant: 长江大学
IPC: G01V1/28
Abstract: 本发明公开了一种有效信号检测方法及系统，用于信号检测领域。本发明提供的方法包括：通过对大样本指数衰减信号随机加噪处理生成预训练训练集，并根据实际采集的微地震信号生成训练集；调整卷积神经网络Faster RCNN，设置多种大小的卷积核；利用所述预训练训练集对所述卷积神经网络Faster RCNN进行预训练后，再通过所述训练集对初步训练后的所述卷积神经网络Faster RCNN进行训练，得到信号检测模型；通过所述信号检测模型检测并标定待检测信号中的有效信号。本发明可以快速准确的检测强背景噪音下的有效信号，保证信号检测的实时性和准确率。
-
Patent Agency Ranking
公开(公告)号：CN110619264B
公开(公告)日：2023-06-16
申请号：CN201910694037.1
申请日：2019-07-30
Applicant: 长江大学
IPC: G06F18/214 , G06F18/241 , G06F18/10 , G06F18/15 , G06F18/25 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G01V1/28 , G01V1/36
Abstract: 本发明提出一种基于UNet++的微地震有效信号识别方法及装置，所述方法包括：获取微地震原始信号集，并制作训练数据集；构造深度卷积生成对抗网络DCGAN，将所述训练数据集输入所述DCGAN网络中训练，通过生成器和判别器的相互作用生成与输入数据集相似度高的样本集，通过所述样本集对所述训练数据集进行扩充；将所述扩充后的训练数据集输入到端对端的UNet++网络中进行训练，得到训练好的UNet++网络模型；通过所述训练好的UNet++网络模型对待检测信号进行分类，获取有效信号初至点。本发明的方法可以实现对小样本数据集中的微地震信号进行有效检测，利用UNet++网络模型实现像素级的特征提取，提高检测精度。
-
公开(公告)号：CN115826083A
公开(公告)日：2023-03-21
申请号：CN202211303333.2
申请日：2022-10-24
Applicant: 长江大学
Abstract: 本发明属于重磁勘探技术领域，公开了一种基于深度学习耦合约束的重磁联合反演方法、系统及终端，基于重磁异常体模型进行正演以及高斯模糊模拟产生样本数据集，构建Trans_FCN反演网络；利用样本数据集训练所述Trans_FCN重磁模型转换网络实现重磁数据之间的“软”映射；最后由训练好的深度神经网络为联合反演提供“正确”的参考模型。本发明可以准确的反演出重磁异常体的位置和物性，具有较强的学习能力和一定的泛化能力，能有效解决重磁异常数据反演问题。本发明设计不同物性和尺寸模型，通过移动模型位置、设置不同的物性组合并进行高斯模糊得到大量数据后，可以同时学习到重磁模型之间的物性耦合和结构耦合关系，能够有效提高联合反演效果。
-
公开(公告)号：CN110532881A
公开(公告)日：2019-12-03
申请号：CN201910692109.9
申请日：2019-07-30
Applicant: 长江大学
Abstract: 本发明属于智能识别技术领域，公开了一种基于嵌入式人工智能芯片的人脸识别安防报警方法，基于嵌入式人工智能芯片可进行视频获取、传输、保存、人脸定位、人脸识别以及报警信息和视频信息的发送；具体通过视频数据采集模块采集视频信息，数据中转模块中转上传数据，识别判断模块通过本地开发板进行人脸识别来判断是否有人入侵，识别后判断并启动报警，报警信息下发至用户，使用户及时获得报警结果并进行处理。本发明直接对传输的视频进行实时人脸识别，不需要发送数据给第三方服务器来识别，所以能做到实时监控报警、证据保存以及用户能直接使用手机APP进行实时画面的播放显示。
-
公开(公告)号：CN110276263A
公开(公告)日：2019-09-24
申请号：CN201910440046.8
申请日：2019-05-24
Applicant: 长江大学
Abstract: 本发明属于图像识别技术领域，公开了一种人脸识别系统及识别方法，通过摄像头采集至少三张不同状态下注册的彩色人脸图像；将所有采集到的所有注册人脸图像转换为HSV彩色人脸图像，通过降维算法求得一维的特征向量，并贴好一维特征向量对应人脸图像名字的标签；通过降维算法求得的X，与已知人脸的一维向量和标签通过数据库进行存储；通过对比数据库中存储的一维向量的距离，判定待测人脸所属的标签；识别待测人脸。本发明通过将HSV图像与三维彩色图像进行降维处理，相比传统的灰度图像和RGB图像提升了人脸识别的精度。
-
公开(公告)号：CN105260771A
公开(公告)日：2016-01-20
申请号：CN201510615112.2
申请日：2015-09-24
Applicant: 长江大学
IPC: G06N3/00
Abstract: 本发明所述的磁法数据多目标粒子群反演算法，通过将正则化反演转换成多目标最优化问题，先采用全局最优化方法同时求数据拟合和模型约束的多目标反演解集，再权衡两者的相对重要程度，最后从反演解集中优选出最终反演结果，从而起到正则化因子的作用，能同时解决正则化因子选取困难和初始模型依赖问题。与传统正则化反演方法只得到一个反演结果不同，该算法能尽可能多地保留可行解，得到一个反演解集。地球物理研究人员通过分析该解集，既可更加深入的理解反演的过程，又可灵活地从数据拟合和模型约束两方面进行权衡与选择，得到优于正则化反演的结果。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.021 seconds)
