期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多层残差网络的地震提频处理在薄储集层识别中的应用
被引量：
3
1
作者
张文起
李春雷
《新疆石油地质》
CAS
CSCD
北大核心
2024年第1期102-108,共7页
基于多层残差网络的地震提频处理方法,通过智能化网络将测井高频信息与地震数据相结合,能有效提升纵向分辨率,保持横向连续可追踪,利于薄储集层识别。针对AMH地区常规处理的地震数据仅能识别厚度大于30 m的碳酸盐岩层,无法有效识别厚度...
基于多层残差网络的地震提频处理方法,通过智能化网络将测井高频信息与地震数据相结合,能有效提升纵向分辨率,保持横向连续可追踪,利于薄储集层识别。针对AMH地区常规处理的地震数据仅能识别厚度大于30 m的碳酸盐岩层,无法有效识别厚度较小的薄储集层的问题,提出基于多层残差网络的地震提频处理方法,以井旁地震振幅作为训练数据,测井相对波阻抗作为训练标签,利用深度学习网络多层残差网络开展训练,获取相对波阻抗曲线的预测模型;通过将地震数据作为输入,利用深度网络训练模型计算得到相对波阻抗数据体,进而得到提频后的地震数据体相对应的反射系数体。通过对靶区地质情况的分析认识,对宽频子波进行标定后提取合适的宽频子波,与反射系数体进行褶积,得到提频后的地震数据体;利用提频后的地震数据体开展储集层反演,反演结果纵向具有较高分辨率,与主要目的层能够较好匹配,横向可以进行识别和追踪,利用高分辨地震数据反演结果实现AMH地区的薄储集层识别。结果表明,通过基于多层残差网络的地震提频处理及相应的高分辨模型反演,在AMH地区能够识别厚度大于10 m的薄储集层,较好地解决由于地震分辨率低无法识别薄储集层的问题,有效提高了薄储集层预测的精度,对同类型薄储集层识别具有借鉴意义。
展开更多
关键词
碳酸盐岩
地震数据
提频处理
薄储集
层
多层残差网络
相对波阻抗
高分辨反演
深度学习
在线阅读
下载PDF
职称材料
基于注意力机制的残差网络超分辨率重建方法
被引量：
1
2
作者
常哲
陈鹏云
+1 位作者
李佳成
马英琪
《兵工自动化》
北大核心
2024年第4期40-45,67,共7页
针对现有方法在图像超分辨率重建中高频信息遗漏的问题,提出一种基于注意力机制的多层嵌套残差网络超分辨率重建方法,对不同的频次信息采用不同的特征提取方案。利用跨越残差网络结构将前端的特征信息利用恒等映射连接直接传送到后端的...
针对现有方法在图像超分辨率重建中高频信息遗漏的问题,提出一种基于注意力机制的多层嵌套残差网络超分辨率重建方法,对不同的频次信息采用不同的特征提取方案。利用跨越残差网络结构将前端的特征信息利用恒等映射连接直接传送到后端的注意力机制模块,添加注意力机制的多层嵌套残差网络来捕捉原始图像中隐含的特征信息,通过深度并行残差网络结构融合图像特征信息。实验结果表明,改进后算法可有效提高图像超分辨率重建精度。
展开更多
关键词
图像处理
多层
嵌套
残差
网络
注意力机制
超分辨率重建
在线阅读
下载PDF
职称材料
基于Swin Transformer和三维残差多层融合网络的高光谱图像分类
被引量：
4
3
作者
王先旺
周浩
+1 位作者
张明慧
朱尤伟
《计算机科学》
CSCD
北大核心
2023年第5期155-160,共6页
卷积神经网络(CNNs)具有出色的局部上下文建模能力,被广泛用于高光谱图像分类中,但由于其固有网络主干的局限性,CNNs未能很好地挖掘和表示光谱特征的序列属性。为了解决此问题,提出了一种基于Swin Transformer和三维残差多层融合网络的...
卷积神经网络(CNNs)具有出色的局部上下文建模能力,被广泛用于高光谱图像分类中,但由于其固有网络主干的局限性,CNNs未能很好地挖掘和表示光谱特征的序列属性。为了解决此问题,提出了一种基于Swin Transformer和三维残差多层融合网络的新型网络(ReSTrans)用于高光谱图像分类。在ReSTrans网络中,为了尽可能地挖掘高光谱图像的深层特征,采用三维残差多层融合网络来提取空谱特征,然后由基于自注意机制的Swin Transformer网络模块近一步捕获连续光谱间的关系,最后由多层感知机根据空谱联合特征完成最终的分类任务。为了验证ReSTrans网络模型的有效性,改进的模型在IP,UP和KSC 3个高光谱数据集上进行实验验证,分类精度分别达到了98.65%,99.64%,99.78%。与SST方法相比,该网络模型的分类性能分别平均提高了3.55%,0.68%,1.87%。实验结果表明该模型具有很好的泛化能力,可以提取更深层的、判别性的特征。
展开更多
关键词
高光谱图像分类
三维
残差
多层
融合
网络
自注意力机制
Swin
Transformer
空谱联合特征
在线阅读
下载PDF
职称材料
题名
基于多层残差网络的地震提频处理在薄储集层识别中的应用
被引量：
3
1
作者
张文起
李春雷
机构
中国石油勘探开发研究院
出处
《新疆石油地质》
CAS
CSCD
北大核心
2024年第1期102-108,共7页
基金
中国石油前瞻性基础性技术攻关项目(2021DJ3301)。
文摘
基于多层残差网络的地震提频处理方法,通过智能化网络将测井高频信息与地震数据相结合,能有效提升纵向分辨率,保持横向连续可追踪,利于薄储集层识别。针对AMH地区常规处理的地震数据仅能识别厚度大于30 m的碳酸盐岩层,无法有效识别厚度较小的薄储集层的问题,提出基于多层残差网络的地震提频处理方法,以井旁地震振幅作为训练数据,测井相对波阻抗作为训练标签,利用深度学习网络多层残差网络开展训练,获取相对波阻抗曲线的预测模型;通过将地震数据作为输入,利用深度网络训练模型计算得到相对波阻抗数据体,进而得到提频后的地震数据体相对应的反射系数体。通过对靶区地质情况的分析认识,对宽频子波进行标定后提取合适的宽频子波,与反射系数体进行褶积,得到提频后的地震数据体;利用提频后的地震数据体开展储集层反演,反演结果纵向具有较高分辨率,与主要目的层能够较好匹配,横向可以进行识别和追踪,利用高分辨地震数据反演结果实现AMH地区的薄储集层识别。结果表明,通过基于多层残差网络的地震提频处理及相应的高分辨模型反演,在AMH地区能够识别厚度大于10 m的薄储集层,较好地解决由于地震分辨率低无法识别薄储集层的问题,有效提高了薄储集层预测的精度,对同类型薄储集层识别具有借鉴意义。
关键词
碳酸盐岩
地震数据
提频处理
薄储集
层
多层残差网络
相对波阻抗
高分辨反演
深度学习
Keywords
carbonate
seismic data
frequency enhancement processing
thin bed
multi⁃layer residual network
relative wave impedance
high⁃resolution inversion
deep learning
分类号
TE122 [石油与天然气工程—油气勘探]
在线阅读
下载PDF
职称材料
题名
基于注意力机制的残差网络超分辨率重建方法
被引量：
1
2
作者
常哲
陈鹏云
李佳成
马英琪
机构
中北大学航空宇航学院
中北大学机电工程学院
出处
《兵工自动化》
北大核心
2024年第4期40-45,67,共7页
基金
国家自然科学基金(51909245,62003314)
山西省重点研发计划(202202020101001)
2022年中北大学研究生科技立项资助项目(20221876)。
文摘
针对现有方法在图像超分辨率重建中高频信息遗漏的问题,提出一种基于注意力机制的多层嵌套残差网络超分辨率重建方法,对不同的频次信息采用不同的特征提取方案。利用跨越残差网络结构将前端的特征信息利用恒等映射连接直接传送到后端的注意力机制模块,添加注意力机制的多层嵌套残差网络来捕捉原始图像中隐含的特征信息,通过深度并行残差网络结构融合图像特征信息。实验结果表明,改进后算法可有效提高图像超分辨率重建精度。
关键词
图像处理
多层
嵌套
残差
网络
注意力机制
超分辨率重建
Keywords
image processing
multilayer nested residual network
attention mechanism
super-resolution reconstruction
分类号
TP399 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于Swin Transformer和三维残差多层融合网络的高光谱图像分类
被引量：
4
3
作者
王先旺
周浩
张明慧
朱尤伟
机构
云南大学信息学院
出处
《计算机科学》
CSCD
北大核心
2023年第5期155-160,共6页
基金
云南省重大科技专项(202202AD080004)
国家自然科学基金(12263008)。
文摘
卷积神经网络(CNNs)具有出色的局部上下文建模能力,被广泛用于高光谱图像分类中,但由于其固有网络主干的局限性,CNNs未能很好地挖掘和表示光谱特征的序列属性。为了解决此问题,提出了一种基于Swin Transformer和三维残差多层融合网络的新型网络(ReSTrans)用于高光谱图像分类。在ReSTrans网络中,为了尽可能地挖掘高光谱图像的深层特征,采用三维残差多层融合网络来提取空谱特征,然后由基于自注意机制的Swin Transformer网络模块近一步捕获连续光谱间的关系,最后由多层感知机根据空谱联合特征完成最终的分类任务。为了验证ReSTrans网络模型的有效性,改进的模型在IP,UP和KSC 3个高光谱数据集上进行实验验证,分类精度分别达到了98.65%,99.64%,99.78%。与SST方法相比,该网络模型的分类性能分别平均提高了3.55%,0.68%,1.87%。实验结果表明该模型具有很好的泛化能力,可以提取更深层的、判别性的特征。
关键词
高光谱图像分类
三维
残差
多层
融合
网络
自注意力机制
Swin
Transformer
空谱联合特征
Keywords
Hyperspectral image classification
3D residual multilayer fusion network
Self-attention mechanism
Swin Transfor-mer
Spatial spectrum joint feature
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多层残差网络的地震提频处理在薄储集层识别中的应用
张文起
李春雷
《新疆石油地质》
CAS
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
2
基于注意力机制的残差网络超分辨率重建方法
常哲
陈鹏云
李佳成
马英琪
《兵工自动化》
北大核心
2024
1
在线阅读
下载PDF
职称材料
3
基于Swin Transformer和三维残差多层融合网络的高光谱图像分类
王先旺
周浩
张明慧
朱尤伟
《计算机科学》
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
