-
公开(公告)号：CN119026089B
公开(公告)日：2025-05-13
申请号：CN202411536297.3
申请日：2024-10-31
Applicant: 中国石油大学(华东)
IPC: G06F18/25 , G06F18/21 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明公开基于MHS和GRU的融合网络的机动目标跟踪方法，属于机动目标跟踪技术领域，用于机动目标跟踪，包括将训练集输入基于MHS和GRU的融合网络进行迭代训练，每次迭代完成后将验证集输入基于MHS和GRU的融合网络，若不满足精度要求则返回迭代训练，若满足精度要求则将测试集输入基于MHS和GRU的融合网络，得到融合增益FG，将每个传感器的局部滤波与融合增益FG一起输入机动目标跟踪模型，得到机动目标跟踪结果。本发明自动纠正和适应时间配准过程中的误差，有效减少了误差积累，在跟踪精度、收敛速度和稳定性方面实现了提升；使用相对紧凑的RNN，可以用相对较小的数据集进行训练。
-
公开(公告)号：CN113935917B
公开(公告)日：2024-06-18
申请号：CN202111195875.8
申请日：2021-10-14
Applicant: 中国石油大学(华东) , 国家海洋卫星应用中心
IPC: G06T5/73 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供了一种基于云图运算和多尺度生成对抗网络的光学遥感影像薄云去除方法，其步骤：根据像素分布百分位数，去除光学遥感多云海面影像的背景，提取云层；计算补偿系数，补偿退化云层；将云层在大气光辅助下，融合到无云陆地影像，得到多云陆地影像；饱和修正多云陆地影像；基于前述的云图运算，构建以无云陆地影像和薄云覆盖陆地影像组成的同场景影像对为样本单元的数据集；设计无云影像生成器和真伪无云影像判别器，构成多尺度生成对抗网络；用构建的数据集训练多尺度生成对抗网络，通过训练好的无云影像生成器实现光学遥感影像薄云去除。本发明突破了无云多云同场景数据稀缺的瓶颈，形成深度学习去云有效技术方案。
-
公开(公告)号：CN113191442B
公开(公告)日：2023-11-17
申请号：CN202110526674.5
申请日：2021-05-14
Applicant: 中国石油大学(华东) , 国家海洋局南海规划与环境研究院
IPC: G06V10/764 , G06N20/00 , G06V10/774
Abstract: 本发明提供了一种互导学习高光谱图像分类方法，解决了小样本集训练条件下分类精度低的问题。其步骤：(1)将高光谱图像表达为像元样本集；(2)构建两个结构相同但初始化参数不同的分类器，作为两个基分类器；(3)两个基分类器分别用对方提供的标记样本集训练；(4)两个基分类器分别对自己的未标记样本集分类；(5)将两个基分类器的分类结果中高置信度样本分别扩增至它们自己的标记样本集；(6)重复步骤(3)至(5)直到标记样本集扩增至特定规模；(7)两个基分类器决策获得最终分类结果。综上，两个基分类器持续为对方提供新标记样本进行训练，通过上述互导学习方式保证了小标记样本集训练条件下的分类性能。
-
公开(公告)号：CN112381845B
公开(公告)日：2023-04-18
申请号：CN202011405063.7
申请日：2020-12-02
Applicant: 中国石油大学(华东)
IPC: G06T11/00 , G06T7/12 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种岩心图像生成方法、模型训练方法及装置，属于数字岩心技术领域。所述方法包括：获取岩石对应的样本岩心图像集，所述样本岩心图像集包括所述岩石的m个样本岩心图像，m≥1；基于所述样本岩心图像集，得到所述岩石对应的目标二值图像集，所述目标二值图像集包括n个目标二值图像，n≥1；将每个所述目标二值图像输入岩心图像生成模型，得到所述岩石对应的重构岩心图像，所述岩心图像生成模型用于基于所述目标二值图像，输出所述重构岩心图像。本发明能够提高二维岩心图像的生成速率，从而提高三维数字岩心模型的生成效率，可用于生成岩心图像。
-
公开(公告)号：CN114330749A
公开(公告)日：2022-04-12
申请号：CN202111654403.4
申请日：2021-12-30
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种数字信号处理方法及装置，属于计算机技术领域。所述方法包括：获取数字信号，所述数字信号包括多个比特位；对所述多个比特位进行屏蔽操作，得到至少一个比特屏蔽序列；从所述至少一个比特屏蔽序列中确定目标比特序列。本发明能够提高数字信号的传输效率以及深度学习处理算法的处理效率和精度。
-
Patent Agency Ranking
公开(公告)号：CN108564069B
公开(公告)日：2021-09-21
申请号：CN201810420622.8
申请日：2018-05-04
Applicant: 中国石油大学(华东)
Abstract: 本发明一种工业佩戴安全帽视频检测方法属于视频处理领域；步骤a、获取视频序列；步骤b、通过深度学习检测器对所述视频序列进行检测；当检测到目标时，进行步骤c；当未检测到目标时，进行步骤d；步骤c、深度学习检测器检测到目标时，初始化跟踪器，获取目标信息，进行步骤e；步骤d、深度学习检测器未检测到目标时，判断是否初始化跟踪器，若否，进行步骤a；若是，进行步骤f；步骤e、通过决策器输出所述目标信息，进行步骤a；步骤f、运行跟踪器，进行遮挡判断，跟踪目标是否被遮挡，若否，进行步骤e；若是，停止所述跟踪器，进行步骤a；本发明能够在目标遮挡形变或者跟踪器误跟踪时快速检测出场景中工人佩戴安全帽情况。
-
公开(公告)号：CN113269092A
公开(公告)日：2021-08-17
申请号：CN202110577515.8
申请日：2021-05-26
Applicant: 中国石油大学(华东)
Abstract: 基于多尺度条件对抗网络的海上溢油检测方法属于溢油检测领域，解决了小样本训练条件下检测精度低的问题。其步骤为：(1)构建小样本训练集；(2)构建多尺度条件对抗网络；(3)取一样本对并降采样至不同尺度，分别作为各级对抗网络的输入分量；(4)对抗训练按由粗到精的尺度逐级独立进行，生成器损失函数引入边缘约束项以增强边缘检测效果；(5)当前尺度生成器的输出作为下一尺度生成器的输入分量；(6)重复步骤(3)至(5)，循环遍历训练集至预设的训练次数；(7)将测试集的溢油图像输入多尺度生成器模型，输出溢油检测结果。综上，图像多尺度特征的有效融合，边缘约束项对边缘检测的增强，保证了小样本训练下的溢油检测性能。
-
公开(公告)号：CN112560929A
公开(公告)日：2021-03-26
申请号：CN202011448188.8
申请日：2020-12-09
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种溢油确定方法及装置、存储介质，属于图像处理技术领域。所述方法包括：获取连续的m个溢油图像帧，m≥1；确定每个所述溢油图像帧中的初始溢油区域掩膜，所述初始溢油区域掩膜包括两种灰度值的像素；将每个所述溢油图像帧中的初始溢油区域掩膜分割为多个栅格；对各个所述溢油图像帧中的栅格进行分类，确定溢油区域。本发明能够提高确定溢油区域的效率，可用于确定溢油区域。
-
公开(公告)号：CN112308775A
公开(公告)日：2021-02-02
申请号：CN202011009150.0
申请日：2020-09-23
Applicant: 中国石油大学(华东)
Abstract: 本申请公开了一种水下图像拼接方法及装置，属于图像处理技术领域。方法包括：获取至少两张待拼接的水下图像；将每张水下图像先后分别进行红色通道衰减补偿处理和白平衡处理，得到每张水下图像对应的预处理水下图像；基于多层图像金字塔对每张预处理水下图像进行图像增强处理，得到每张预处理水下图像对应的增强后水下图像；基于网格优化对至少两张增强后水下图像进行图像配准处理，得到配准后水下图像；基于拉普拉斯金字塔多尺度图像融合算法对配准后水下图像进行图像融合处理，得到融合后水下图像；确认融合后水下图像为拼接后的水下图像，输出拼接后的水下图像。实现了一种水下图像拼接方法。
-
公开(公告)号：CN106339984B
公开(公告)日：2019-09-13
申请号：CN201610739816.5
申请日：2016-08-27
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种基于K均值驱动卷积神经网络的分布式图像超分辨方法，该方法包括：按位置裁剪待超分辨的低分辨率图像，得到多个低分辨率小图像块；提取多个低分辨率小图像块的内容结构特征；根据内容结构特征、利用训练模型的K个聚类中心对多个低分辨率小图像块进行分类；对多个低分辨率小图像块进行上采样，得到高分辨率无细节小图像块；将低分辨率小图像块对应的高分辨率无细节小图像块输入到其所属聚类中心对应的卷积神经网络模型中，得到该模型的输出，通过将该输出与高分辨率无细节小图像相加得到高分辨率小图像块；将多个高分辨率小图像块按位置拼接，得到最终的高分辨率图像。本发明的分布式图像超分辨方法的超分辨效果较高。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.042 seconds)
