-
公开(公告)号：CN115113269B
公开(公告)日：2024-07-05
申请号：CN202210626537.3
申请日：2022-06-04
申请人： 三峡大学
摘要： 一种基于UGATIT联合PSPNet的微地震有效信号的初至拾取方法，步骤为：对地下开采活动进行观测，获得真实微地震有效信号；利用有限差分波动方程正演方法生成正演模拟信号；得到的真实微地震信号和正演模拟信号制作成原始数据集，利用UGATIT网络实现“模拟信号‑真实信号”的转换，生成大量真实微地震有效信号数据；将正演模拟信号大量转换为真实微地震信号，选择具有价值的信号进行标注，并将其制成训练集，完成对训练集的扩充；利用扩容后的训练集对改进后的PSPNet网络进行训练；将待测微地震有效信号输入已训练的PSPNet网络，输出预测的概率时间序列，概率最大处时间即为初至时间，拾取微地震有效信号的初至。本发明极大地提高微地震有效信号初至拾取的效率与精度。
-
公开(公告)号：CN117541505A
公开(公告)日：2024-02-09
申请号：CN202311472766.5
申请日：2023-11-07
申请人： 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC分类号： G06T5/73 , G06T5/77 , G06T3/4007 , G06T9/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 基于跨层注意力特征交互和多尺度通道注意力的去雾方法，具体来说，跨层注意力特征交互模块利用编码层的多尺度跨层特征学习层级权重，然后将这些跨层特征聚合传递到对应解码层，从而减少了去雾网络重构清晰图像过程中的特征稀释。此外，为了挖掘对于去雾网络非常重要的特征通道信息，本文设计了多尺度通道注意力机制，利用不同空洞率的空洞卷积提取多尺度特征信息，形成一个多尺度上下文并行学习的通道注意力机制，可以更有效的为去雾网络的特征分配权重。
-
公开(公告)号：CN116245891A
公开(公告)日：2023-06-09
申请号：CN202211446953.1
申请日：2022-11-18
申请人： 三峡大学
摘要： 一种基于特征交互和注意力解码的农作物区域提取的方法，它包括以下步骤：步骤1：使用无人机获取遥感影像，并对遥感影像进行一系列的数据预处理，制作成数据集；步骤2：在网络模型中构建深度特征交互模块；步骤3：在网络模型中构建空间注意力解码模块，并用数据集对整体网络模型进行训练，得到训练好的模型权重；步骤4：将待识别的遥感区域图像输入到模型中得到分割结果；步骤5：根据遥感图像的分辨率和分割结果计算农作物区域面积；本发明的目的是能在节省大量的人力物力的情况下，实现对农村农作物区域面积的有效提取。
-
-
公开(公告)号：CN117830822A
公开(公告)日：2024-04-05
申请号：CN202311505273.7
申请日：2023-11-13
申请人： 三峡大学
IPC分类号： G06V20/10 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 用于外来入侵植物识别的双分支细粒度网络的构建方法，它包括以下步骤：步骤S1：构建粗粒度分支识别子网络及细粒度分支识别子网络；步骤S2：输入的外来入侵植物图像经由细粒度分支识别子网络的第一Transformer Encoder生成细粒度特征，粗粒度分支识别子网络的第二Transformer Encoder生成粗粒度特征，将细粒度特征和粗粒度特征在第一SCHA模块和第二SCHA模块进行融合；步骤S3：将外来入侵植物不同尺度的图像送入粗粒度分支识别子网络和细粒度分支识别子网络，将经过两个Transformer Encoder的输出送到两个SCHA模块进行融合，两个MLP模块输出类别分数，最后利用类别分数来计算两个分类交叉熵损失，从而优化网络的训练；通过以上步骤对双分支细粒度网络进行构建。
-
公开(公告)号：CN117636151A
公开(公告)日：2024-03-01
申请号：CN202311359053.8
申请日：2023-10-19
申请人： 三峡大学
IPC分类号： G06V20/10 , G06V10/764 , G06V10/42 , G06V10/80 , G06V10/82
摘要： 基于注意力的双分支细粒度网络识别外来入侵植物的方法，它包括以下步骤：S1、构建双分支细粒度分类网络的输入，即图片分块操作；S2：构建双分支细粒度分类网络模型，即包括一个粗粒度分支网络和一个细粒度分支网络。双分支结构相同，都包含：线性投射层、多尺度交叉融合模块和MLP模块；S3、构建多尺度交叉融合模块，用于将粗粒度分支和细粒度分支的输入进行融合；S4、将不同大小的图像块送到粗粒度分支和细粒度分支网络，多尺度交叉融合模块会将粗粒度分支和细粒度分支的网络进行融合，输出最终用于分类的分类头，最后利用输出的分类头来计算损失，来优化网络进行训练；通过以上步骤会双分支细粒度识别网络进行构建。
-
公开(公告)号：CN117274098A
公开(公告)日：2023-12-22
申请号：CN202311273860.8
申请日：2023-09-28
申请人： 三峡大学
IPC分类号： G06T5/00 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 一种基于U‑Net的部分孪生去雾网络的构造方法，该框架包含两个权值共享的子网络，通过将有雾图像输入第一个子网络进行去雾后再将生成的图像作为去雾先验信息传给第二个子网络，第二个子网络通过输入有雾图像和先验指导信息能够拥有更强的去雾能力和图像重构能力。此外，本发明在该框架的子网络中设计了一个双编解码模块。给子网络输入有雾图像，进行卷积下采样分别得到编码特征，之后通过二次编码模块将编码特征进行二次编码并特征融合得到融合后的二次编码特征。将上一步得到的融合后的二次编码特征通过二次解码模块，之后将得到的二次解码特征分别与编码阶段、解码阶段对应尺度的特征相融合，再通过上采样得到最终的去雾图像。
-
公开(公告)号：CN115761477A
公开(公告)日：2023-03-07
申请号：CN202211221100.8
申请日：2022-10-08
申请人： 三峡大学
IPC分类号： G06V20/10 , G06V20/17 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 一种基于注意力机制和中心圆采样的松材线虫病树检测方法，它包括以下步骤：步骤1：获得松材线虫病树图片并制作成数据集；步骤2：将松材线虫病树数据集输入到全局多尺度通道自适应网络中进行训练，获得训练后的松材线虫病树识别模型；步骤3：将需要识别的松林影像输入到松材线虫病树识别模型中，获得病树的识别结果以及经纬度坐标；步骤4：根据病树坐标找到病树，将患病早期的病树进行药物治疗，患病中晚期的病树进行砍伐焚烧处理。本发明的目的是为了解决现有针对松材线虫病树检测的方法存在的忽视了正负样本采样时正样本采样范围与松材线虫病树目标的圆形形态不匹配导致采样质量不高的技术问题。
-
公开(公告)号：CN117830793A
公开(公告)日：2024-04-05
申请号：CN202311642688.9
申请日：2023-11-30
申请人： 三峡大学
摘要： 一种用于森林火灾检测的特征一致性约束网络的构建方法，包括以下步骤：步骤1：首先构建双分支网络，这每个分支网络完全共享参数，分别输入同一张图的两个不同数据增强视角，两个不同视角的图片分别输入双分支网络提取特征；步骤2：构建特征一致性模块，根据两个不同视角的特征一致性，约束双分支网络提取的特征，对物体的特征进行一致性约束；步骤3：将双分支的检测结果分别与真实框计算损失，优化双分支网络的检测效果。通过以上步骤进行构建和训练。
-
公开(公告)号：CN117541095A
公开(公告)日：2024-02-09
申请号：CN202311275337.9
申请日：2023-09-28
申请人： 三峡大学
IPC分类号： G06Q10/0639 , G06Q10/04 , G06Q50/02 , G06F18/243 , G06N5/01 , G06N20/20
摘要： 本发明提供一种农用地土壤环境质量类别划分的方法，包括以下步骤：在研究区域内收集土壤和农产品样本，检测样本中的土壤理化性质指标；对所收集样本的数据进行预处理，包括清洗、剔除异常值、插补缺失值、删除冗余数据、进行标准化，得到预处理后的数据集，划分成训练集和测试集；基于随机森林算法，通过特征选择、决策树生成、模型集成构建农用地土壤环境质量类别划分模型；使用训练集训练模型；利用优化后的随机森林模型对测试集数据进行预测，评估模型分类性能。相比现有的依靠主管经验进行土壤环境质量划分和评估的方法，本发明使用随机森林算法，可以处理更大规模的数据，并自动通过数据特征发现其中的关系，提高评估的客观性和准确性。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.023 秒)
