-
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：CN116310515A
公开(公告)日：2023-06-23
申请号：CN202310138285.4
申请日：2023-02-20
Applicant: 西南石油大学
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06T5/50
Abstract: 本发明提出一种针对小目标数据集的背景置零Mosaic数据增强方法。该数据增强方法，首先对原始训练集进行一份拷贝，将其中一份原始训练集实施选择性局部背景保留的背景置零操作，然后通过选择性局部背景保留的裁剪得到小目标集合，接着通过网格目标粘贴法得到目标粘贴训练集，将另一份原始训练集与目标粘贴训练集进行混合，最后对其进行Mosaic数据增强。本发明增大了小目标在图像中有效像素的比例，使得小目标在进行特征提取时能够有机会不被复杂的背景所淹没。同时，本发明克服了以往小目标数据集通过裁剪粘贴等手段导致小目标不自然重叠的缺点，能够有效提高小目标数据集的识别精度。
-
公开(公告)号：CN117671260A
公开(公告)日：2024-03-08
申请号：CN202311676424.5
申请日：2023-12-08
Applicant: 西南石油大学
IPC: G06V10/26 , G06V10/25 , G06V10/80 , G06V10/82 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开一种基于改进U‑Net的图像异常特征分割方法。以残差卷积模块为基本单元，提出了一种基于改进U‑Net的图像异常特征分割方法。在U‑Net的编码、解码部分引入残差卷积模块对图像目标进行特征提取；并结合改进的空间注意力机制，加强目标区域关注度；最后使用多层级特征加强模块，充分融合低层特征的空间信息和高层特征的语义信息；在网络训练时使用混合损失优化分割结果。本发明公开的医学图像异常特征分割方法，可提升医学图像异常特征的分割精度。
-
Patent Agency Ranking
公开(公告)号：CN116542357A
公开(公告)日：2023-08-04
申请号：CN202310157010.5
申请日：2023-02-23
Applicant: 西南石油大学
IPC: G06Q10/04 , G06F18/2415 , G06F30/28 , G06F30/27 , G06N3/08 , G06N20/20 , G06Q50/02 , G06F111/10
Abstract: 一种基于集成学习的高含水致密砂岩储层产能智能预测方法，本方法在bagging集成算法的采样方式和基分类器输入特征筛选两方面进行了修改，原采样方式的数据采样为随机采样，每个基分类器的输入特征相同，本发明的采样方式在随机采样中加入了相关系数筛选机制，若每一个采样后的数据集所有输入测井特征与预测值的相关系数之和小于预设值则舍弃此数据集，重新采样；将基于信息增益的特征重要性生成算法用于计算每个基学习器的训练集的测井特征重要程度，取重要程度最高的前N个测井特征作为该基学习器的输入特征。
-
公开(公告)号：CN116244451A
公开(公告)日：2023-06-09
申请号：CN202310332143.1
申请日：2023-03-31
Applicant: 西南石油大学
IPC: G06F16/36 , G06N5/022 , G06F40/295 , G06N3/084 , G06F18/214 , G06F17/14 , G06F18/24 , G06F18/22 , G06N3/04
Abstract: 本发明提出一种融合快速傅里叶变换知识抽取模型的知识图谱构建方法，具体实施方法为：首先标注数据集，并将数据集进行划分；构建加入了傅里叶变换‑幅频特性计算模块的深度学习模型，引入幅频自适应权重系数θ，动态调整θ，来调整模型的特征提取能力，从而快速、准确抽取领域数据知识；接着使用余弦相似度计算词向量相似度，并将余弦相似度与手动设定的阈值比较，大于阈值则融合相关实体；然后根据数据语法结构编制规则模板，并且人工筛选后进行补充或删减，抽取两两实体间的关系；最后将实体和关系按主谓宾三元组关系进行存储，导入图数据库，其中节点表示实体，边表示实体间的关系，从而快速构建知识图谱。
-
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.031 seconds)
