一种基于本地自注意力机制的大坝缺陷时序图像描述方法

    公开(公告)号:CN114998673A

    公开(公告)日:2022-09-02

    申请号:CN202210513592.1

    申请日:2022-05-11

    摘要: 本发明公开一种基于本地自注意力机制的大坝缺陷时序图像描述方法,对输入大坝缺陷时序图像进行帧采样,使用卷积神经网络提取特征序列,并将该序列作为自注意力编码器的输入;编码器由基于可变自注意力机制的Transformer网络构成,能够动态建立每一帧的上下文特征关系;采用基于本地注意力机制的LSTM网络生成描述文本,使得预测的每一个单词都能与图像帧建立特征关系,建立图像和文本的上下文依赖以提高文本生成的准确率。本发明在计算图像帧的全局自注意力的基础上添加了动态机制,避免了过大的参数量导致模型收敛缓慢。添加本地注意力的LSTM网络能够直接建立图像和文本两个模态数据之间的对应关系,使得生成的描述文本更准确,包含的信息更全面。

    一种基于水面线控制的水下地形解析反演方法

    公开(公告)号:CN118274789A

    公开(公告)日:2024-07-02

    申请号:CN202410340612.9

    申请日:2024-03-25

    摘要: 本发明提供了一种基于水面线控制的水下地形解析反演方法,涉及水下地形解析反演技术领域,本发明包括以下步骤:通过若干断面将待计算河道划分为若干的河段,基于包括各断面的平均流量、水位数据和河段的长度;给定河道进口处河段的上游断面最大水深,推求河道进口处河段的下游断面最大水深;并逐河段重复前述计算,不断计算出各断面最大水深;基于河道水面线,由各断面最大水深计算各断面深泓高程,从而确定整个河道的深泓高程。本发明计算方式明确,参数容易获取,整体方法简单实用,只需简单的原始数据即可求出下游断面深泓高程,从而确定整个河道的深泓高程,且本发明反演得到的水下地形与实测河道地形吻合度极高,误差极小。