申请/专利权人：上海海事大学

申请日：2020-09-21

公开（公告）日：2024-03-22

公开（公告）号：CN112085779B

主分类号：G06T7/60

分类号：G06T7/60;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.01.01#实质审查的生效;2020.12.15#公开

摘要：本发明公开了一种波浪参数估算方法及装置，所述波浪参数估算方法包括：获取波浪视频数据；利用改进的三维卷积神经网络对所述波浪视频数据进行处理，以构建波浪参数估算模型；通过所述波浪参数估算模型获取波浪参数估算值。本发明利用波浪视频数据和改进的三维卷积神经网络构建波浪参数估算模型，实现了对波浪参数的估算；本发明中改进的三维卷积神经网络采用深度可分离卷积，可以构造轻量级神将网络，极大地减少了波浪参数估算模型的计算开销和时间开销。

主权项：1.一种波浪参数估算方法，其特征在于，包括：获取波浪视频数据；利用改进的三维卷积神经网络对所述波浪视频数据进行处理，以构建波浪参数估算模型；通过所述波浪参数估算模型获取波浪参数估算值；所述改进的三维卷积神经网络采用深度可分离卷积，以构造轻量级神经网络；所述深度可分离卷积将标准卷积分为深度卷积和点卷积；所述利用改进的三维卷积神经网络对所述波浪视频数据进行处理，以构建波浪参数估算模型的步骤包括：将所述波浪视频数据作为输入数据，并分为训练集和测试集；从所述波浪视频数据的所述训练集中提取若干张第一特征图；深度卷积核对每一所述第一特征图进行滤波并输出第一线性组合结果；点卷积核根据所述第一线性组合结果输出若干张第二特征图；对所有所述第二特征图进行下采样，并输出若干张第三特征图；根据所述第三特征图获取所述训练集的所述波浪参数估算值，并构建波浪参数估算模型；所述利用改进的三维卷积神经网络对所述波浪视频数据进行处理，以构建波浪参数估算模型的步骤还包括：根据所述训练集的所述波浪参数实际值，采用误差反向传播算法对所述波浪参数估算模型进行迭代更新，以使所述波浪参数估算模型的损失小于预设值ε；所述波浪参数包括：波浪高度和波浪周期；所述波浪参数估算模型的损失采用如下公式进行计算：LΘ＝αLPΘ+βLHΘ其中Θ表示所述训练集；LPΘ表示所述波浪周期的损失；LHΘ表示所述波浪高度的损失；α表示LPΘ的权重；β表示LHΘ的权重；且α∈0,1，β∈0,1，α+β＝1；所述波浪周期的损失采用如下公式进行计算： 其中N表示所述训练集中的样本数量；PEi表示第i个样本的所述波浪周期估算值；PMi表示第i个样本的所述波浪周期实际值；所述波浪高度的损失采用如下公式进行计算： 其中N表示所述训练集中的样本数量；HEi表示第i个样本的所述波浪高度估算值；HMi表示第i个样本的所述波浪高度实际值。

全文数据：

权利要求：

百度查询： 上海海事大学 一种波浪参数估算方法及装置

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