公开(公告)号：CN118013346B

公开(公告)日：2024-11-12

申请号：CN202311806491.4

申请日：2023-12-26

申请人： 中国人民解放军国防科技大学

发明人： 鲍森亮 ,  王辉赞 ,  代娟 ,  闫恒乾 ,  赵延来 ,  汪祥 ,  陈建

IPC分类号： G06F18/241 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/084

公开(公告)号：CN117934274A

公开(公告)日：2024-04-26

申请号：CN202311584113.6

申请日：2023-11-25

申请人： 中国人民解放军国防科技大学

发明人： 鲍森亮 ,  梁真瑜 ,  段博恒 ,  王辉赞 ,  闫恒乾 ,  陈建 ,  代娟

IPC分类号： G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/048

摘要： 本发明公开了一种基于深度学习SROSRN模型的海洋盐度超分辨率重构方法，属于海表盐度数据重构领域，包括以下步骤：S1、获取输入数据和标签数据，并将获得的输入数据和标签数据组成训练与测试模型的数据集；S2、搭建深度学习SROSRN模型；S3、利用步骤S1得到的数据集训练步骤S2得到的深度学习SROSRN模型，得到训练好的SROSRN模型；S4、利用训练好的SROSRN模型进行海表盐度超分辨率重构，即得到高分辨率的海表盐度数据。本发明可方便采用现有的公开数据集和深度学习框架进行模型的搭建、训练与预测，较传统的统计方法有更强的泛化能力，可作为一套通用范式，应用于其他海洋要素的超分辨率任务。

公开(公告)号：CN118013346A

公开(公告)日：2024-05-10

申请号：CN202311806491.4

申请日：2023-12-26

申请人： 中国人民解放军国防科技大学

发明人： 鲍森亮 ,  王辉赞 ,  代娟 ,  闫恒乾 ,  赵延来 ,  汪祥 ,  陈建

IPC分类号： G06F18/241 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/084

摘要： 本发明公开了一种基于深度学习的卫星海表盐度偏差修正方法，本方法对卫星海表盐度相关数据集中的数据进行预处理并插值匹配到同一时空分辨率，得到处理后的卫星海表盐度相关数据集；构建盐度正负偏差分类模型；基于处理后的卫星海表盐度相关数据集，构建第一训练数据集，并采用第一训练数据集训练盐度正负偏差分类模型，得到训练好的盐度正负偏差分类模型，以便采用训练好的盐度正负偏差分类模型得到盐度数据正负偏差；构建偏差订正模型；基于盐度数据正负偏差构建第二训练数据集，并采用第二训练数据集训练偏差订正模型，以便采用训练好的偏差订正模型对卫星海表盐度偏差进行修正。本发明能够对卫星海表盐度偏差进行修正，并提高数据的精确度。

公开(公告)号：CN117934274B

公开(公告)日：2024-08-09

申请号：CN202311584113.6

申请日：2023-11-25

申请人： 中国人民解放军国防科技大学

发明人： 鲍森亮 ,  梁真瑜 ,  段博恒 ,  王辉赞 ,  闫恒乾 ,  陈建 ,  代娟

IPC分类号： G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/048

摘要： 本发明公开了一种基于深度学习SROSRN模型的海洋盐度超分辨率重构方法，属于海表盐度数据重构领域，包括以下步骤：S1、获取输入数据和标签数据，并将获得的输入数据和标签数据组成训练与测试模型的数据集；S2、搭建深度学习SROSRN模型；S3、利用步骤S1得到的数据集训练步骤S2得到的深度学习SROSRN模型，得到训练好的SROSRN模型；S4、利用训练好的SROSRN模型进行海表盐度超分辨率重构，即得到高分辨率的海表盐度数据。本发明可方便采用现有的公开数据集和深度学习框架进行模型的搭建、训练与预测，较传统的统计方法有更强的泛化能力，可作为一套通用范式，应用于其他海洋要素的超分辨率任务。