|
|
钻瓜专利网为您找到相关结果 21个，建议您 升级VIP下载更多相关专利
- [发明专利]基于深度学习的微地震剖面去噪方法-CN202310050424.8在审
-
盛冠群;张峥嵘;唐新功;马凯;谢凯;汤婧
-
三峡大学
-
2023-02-01
-
2023-05-09
-
G01V1/28
- 本申请提供一种基于深度学习的微地震剖面去噪方法，步骤一，将一批无噪声的剖面和噪声信号输入到条件生成对抗网络（cGAN）的生成器中，并给定生成器约束条件，从而获得用来训练的含噪剖面；鉴别器接收真实剖面和从生成器生成的剖面，并给鉴别器约束条件，利用鉴别器和生成器之间的相互博弈生成更加真实的剖面，进而达到扩容数据集的目的；步骤二，将X^0,0输入主网络，输出网络的噪声预测X^0,4。主网络由UNet++的结构为主体，融合了Clique block结构；步骤三，将噪声预测X^0,4与网络输入X^0,0进行残差学习R(•)，得到去噪后的剖面；步骤四，将待去噪的微地震剖面通过该网络，输出去噪后的剖面，解决了微地震监测时信号中去除随机噪声的问题。
- 基于深度学习地震剖面方法
- [发明专利]一种微地震有效信号检测方法-CN201910222578.4有效
-
盛冠群;李达莉;谢凯;唐新功;熊杰;汤婧
-
长江大学
-
2019-03-22
-
2022-12-23
-
G06K9/00
- 本发明实施例公开了一种微地震有效信号检测方法，属于信号处理领域。该方法包括：采集低噪比环境的微地震信号制作训练集和测试集，训练循环神经网络得到有效信号识别模型，将检测到的有效信号输入到inception网络中得到特征图，再在所述特征图中标注预定义框，通过计算预定义框的边框回归及前后背景区分，生成区域建议框，对区域建议框进行ROI池化后得到固定大小的特征图，分别对所述特征图进行分类打分及边框回归加权求取所述有效信号识别模型的损失值，最后优化损失值，利用有效信号识别模型检测低噪比环境的微地震信号。通过该方案，可以快速准确地对低信噪比环境下的微地震信号进行检测，大大提高了检测精度。
- 一种地震有效信号检测方法
- [发明专利]一种有效信号检测方法及系统-CN201811256943.5有效
-
盛冠群;郑祖兵;唐新功;熊杰;谢凯;裔飞;汤婧
-
长江大学
-
2018-10-26
-
2021-02-19
-
G01V1/28
- 本发明公开了一种有效信号检测方法及系统，用于信号检测领域。本发明提供的方法包括：通过对大样本指数衰减信号随机加噪处理生成预训练训练集，并根据实际采集的微地震信号生成训练集；调整卷积神经网络Faster RCNN，设置多种大小的卷积核；利用所述预训练训练集对所述卷积神经网络Faster RCNN进行预训练后，再通过所述训练集对初步训练后的所述卷积神经网络Faster RCNN进行训练，得到信号检测模型；通过所述信号检测模型检测并标定待检测信号中的有效信号。本发明可以快速准确的检测强背景噪音下的有效信号，保证信号检测的实时性和准确率。
- 一种有效信号检测方法系统
- [发明专利]一种无标签框微地震信号检测方法及装置-CN201910233675.3有效
-
盛冠群;杨超;唐新功;谢凯;汤婧
-
长江大学
-
2019-03-26
-
2020-10-02
-
G01V1/28
- 本发明提出一种无标签框微地震信号检测方法及装置，所述方法包括：从微地震信号数据中筛选出两个含有有效信号的数据集a、b，并做预处理；通过卷积神经网络进行图像特征提取；通过Faster‑RCNN中的RPN层分别在所述数据特征图上生成候选框；通过对抗生成网络的判别器分辨候选框的相似性，鉴别出相似度超过预设阈值的候选框；通过ROI Align调整候选框，生成尺寸大小一致的特征图；通过Faster‑RCNN的全连接层后，对所述尺寸一致的特征图进行分类，使用交叉熵损失函数对预测误差分析，不断拟合训练得到无标签框微地震信号检测模型；输入待检测信号图像，通过所述无标签框微地震信号检测模型检测有效信号。本发明可通过无标签框数据集实现微地震信号检测，提高检测精度。
- 一种标签地震信号检测方法装置
|
