买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北电力大学

摘要：本发明涉及一种基于混合双边注意力的生成对抗网络的地震数据处理方法，包括设计生成对抗网络训练的输入和输出数据形式，设计增加残差块的深度，设计混合注意力，设计双边注意力，设计改变生成器和判别器网络结构后半部分，训练数据集构建，测试集构建，设计生成器和判别器，初始化网络权重，将训练集数据输入SHBGAN训练网络权重，确认模型的超分辨效果以及确认模型的泛化性。本方法可提高对地震数据弱振幅部分和多形态褶皱、断层等地质结构的超分辨重建效果，提高输入数据在通道和空间维度上的相关性，提高生成器的训练稳定性和生成图像的质量，实现对具有复杂结构和强噪声野外地震数据的超分辨重建，提升模型的泛化性。

主权项：1.一种基于混合双边注意力的生成对抗网络的地震数据处理方法，包括以下步骤：a、设计生成对抗网络训练的输入和输出数据形式；b、设计增加残差块的深度：b1、在网络的生成器部分，每个残差块将输入数据经过第一个卷积层；b2、进行批归一化和PReLU激活函数处理；b3、将处理后的数据经过第二个卷积层和批归一化处理得到输出特征图；b4、将残差块的输出与最初的输入特征相加，得到残差块的最终输出；c、设计混合注意力，所述混合注意力由一个自注意力模块和一个通道注意力模块的输出相加并引入残差连接组成；d、设计双边注意力，所述双边注意力由一个通道注意力和空间注意力构成，通过将通道注意力图和空间注意力图相乘得到双边注意力图，再将该双边注意力图与输入特征图相乘，以产生最终的输出特征图；e、设计改变生成器和判别器网络结构后半部分；f、训练数据集构建；g、测试集构建：使用合理随机参数的各类函数并设置与步骤f中相同的顺序进行生成、剪切和卷积得到多对数据对，作为测试数据集；h、生成器采用基于L1损失、对抗损失和平均结构相似性损失MSSIM的加和作为损失函数；判别器则采用真实数据与真实标签和生成数据与假标签之间的对抗损失之和作为损失函数；i、初始化网络权重，设定初始学习率、学习率衰减函数、每次输入的样本量、学习次数、采用的优化器类型和优化器的内置参数；j、将训练集数据输入SHBGAN训练网络权重，多次调试超参数和数据量，选择损失函数每一项的系数，取损失函数最小、SSIM最高的一次网络模型作为最终训练结果；k、采用训练好的SHBGAN模型对测试集中的低分辨率数据进行超分辨重建，并对输出数据与高分辨率标签进行单道波形、频谱分析并进行视觉效果上的比对，以此来确认模型的超分辨效果；l、将训练好的SHBGAN网络模型用于对实际地震数据进行超分辨率重建，并对输出数据与输入数据的单道波形、频谱分析和视觉效果进行比对，以此来确认模型的泛化性。

全文数据：

权利要求：

百度查询： 东北电力大学 基于混合双边注意力的生成对抗网络的地震数据处理方法