申请/专利权人:中国人民解放军国防科技大学
申请日:2023-11-25
公开(公告)日:2024-04-26
公开(公告)号:CN117934274A
主分类号:G06T3/4053
分类号:G06T3/4053;G06T3/4046;G06N3/0464;G06N3/045;G06N3/084;G06N3/048
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
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。
主权项:1.一种基于深度学习SROSRN模型的海洋盐度超分辨率重构方法,其特征在于,包括以下步骤:Sl、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、利用步骤S1得到的数据集,搭建深度学习SROSRN模型,深度学习SROSRN模型的表达式如下:P′1sr=MSROSRNP′,θ其中,MSROSRN表示深度学习SROSRN模型的输入与输出的映射关系,输入为经过归一化处理的批次多要素数据P′,输出为超分辨率海表盐度数据批次P′1sr,θ={Wk,bk}表示SROSRN模型中第k层的权重与偏差;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。
全文数据:
权利要求:
百度查询: 中国人民解放军国防科技大学 基于深度学习SROSRN模型的海洋盐度超分辨率重构方法
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。