公开(公告)号：CN118584480A

公开(公告)日：2024-09-03

申请号：CN202411073728.7

申请日：2024-08-07

Applicant: 浙江大学海南研究院

Inventor： 王炜荔 ,  单仲楠 ,  刘韬 ,  李彦君 ,  郭卜瑜 ,  李培良

IPC: G01S13/88 ,  G01C13/00 ,  G01S7/41 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/25

Abstract: 本发明公开了一种基于深度学习的涌浪波高反演方法、电子设备、存储介质，所述方法包括步骤：构建涌浪波高反演网络；基于高频地波雷达回波数据构建数据集；利用数据集训练并测验涌浪波高反演网络；利用训练完成的涌浪波高反演网络根据网络输入数据进行涌浪波高反演。相比于现有技术，本发明采用深度学习方法简化了传统方法的计算步骤，模型训练完成后只需将数据输入到网络中进行简单计算即可得出结果；本发明无需进行大量复杂的数据质量控制，通过大规模的训练集、合理的网络设置和适当的正则化方法，本发明模型可以很好地应对数据质量变化，并具有更高的反演精度。

公开(公告)号：CN119131568A

公开(公告)日：2024-12-13

申请号：CN202411589945.1

申请日：2024-11-08

Applicant: 浙江大学海南研究院

Inventor： 李培良 ,  庞博 ,  刘韬 ,  贺双颜 ,  顾艳镇

IPC: G06V20/05 ,  G06N3/096 ,  G06T3/60 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06F17/11

Abstract: 本发明涉及水下图像处理领域，公开了一种水下图像轻量化处理方法和装置，其技术方案要点是，包括如下步骤：选定教师模型和学生模型，获取历史图像数据，并划分数据集，使用数据集对选定的教师模型进行训练得到固化的教师模型；将数据集分别输入到教师模型和选定的学生模型，分别输出得到特征图；对学生模型输出特征图进行筛选，输出筛选后的掩膜特征图；将掩膜特征图与教师模型输出特征图归一化后结合求取损失#imgabs0#；将学生模型输出特征图和教师模型特征图解耦，求取预测损失#imgabs1#；使用数据集训练学生模型，求取损失#imgabs2#；将#imgabs3#、#imgabs4#、#imgabs5#通过各自的权重结合相加得到最终损失#imgabs6#，并轮次迭代进行蒸馏学习，得到成品学生模型；将成品学生模型部署应用。

公开(公告)号：CN118584480B

公开(公告)日：2024-10-15

申请号：CN202411073728.7

申请日：2024-08-07

Applicant: 浙江大学海南研究院

Inventor： 王炜荔 ,  单仲楠 ,  刘韬 ,  李彦君 ,  郭卜瑜 ,  李培良

IPC: G01S13/88 ,  G01C13/00 ,  G01S7/41 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/25

Abstract: 本发明公开了一种基于深度学习的涌浪波高反演方法、电子设备、存储介质，所述方法包括步骤：构建涌浪波高反演网络；基于高频地波雷达回波数据构建数据集；利用数据集训练并测验涌浪波高反演网络；利用训练完成的涌浪波高反演网络根据网络输入数据进行涌浪波高反演。相比于现有技术，本发明采用深度学习方法简化了传统方法的计算步骤，模型训练完成后只需将数据输入到网络中进行简单计算即可得出结果；本发明无需进行大量复杂的数据质量控制，通过大规模的训练集、合理的网络设置和适当的正则化方法，本发明模型可以很好地应对数据质量变化，并具有更高的反演精度。