申请/专利权人：三峡大学

申请日：2023-10-20

公开（公告）日：2024-02-23

公开（公告）号：CN117593601A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/778;G06V10/82;G06V20/70;G06V10/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.12#实质审查的生效;2024.02.23#公开

摘要：一种基于深度学习的水尺验潮方法，包括：Step1、采集形成水尺图像数据集；Step2、对水尺图像数据集进行处理；Step3、建立水尺图像的深度学习模型并进行训练；Step4、加载Step3中训练好的水尺图像深度学习模型，并将测试集中的水尺图像代入水尺图像深度学习模型并输出水尺图像中的水位值；Step5、通过当前潮位站的海平面高度以及；Step4中水尺图像中的水位值计算当前的潮位值。在YOLOv7网络模型的基础上，采用注意力机制增强特征提取能力，抑制无关信息的干扰，增强对目标信息的关注度；同时，改进损失函数，加快模型收敛速度，优化模型回归效果；通过实验验证，与其他算法相比，本发明具有明显的性能优势，在保证较高检测精度的同时，也能满足实时检测的要求。

主权项：1.一种基于深度学习的水尺验潮方法，其特征在于，包括以下步骤：Step1、对水尺图像数据进行采集，形成水尺图像数据集；Step2、对水尺图像数据集进行处理，并将处理后的水尺图像数据集划分为训练集、验证集，测试集；Step3、建立水尺图像的深度学习模型并进行训练；Step4、加载Step3中训练好的水尺图像深度学习模型，并将测试集中的水尺图像代入水尺图像深度学习模型并输出水尺图像中的水位值；Step5、通过当前潮位站的海平面高度以及Step4中水尺图像中的水位值计算当前的潮位值。

全文数据：

权利要求：

百度查询： 三峡大学 一种基于深度学习的水尺验潮方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD