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！

龙图腾网获悉青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学三亚南海创新发展基地申请的专利一种基于深度学习的中尺度涡识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120180323B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510243508.2，技术领域涉及：G06F18/2433；该发明授权一种基于深度学习的中尺度涡识别方法是由樊博文;秦志亮;朱皓轩;龚威豪设计研发完成，并于2025-03-03向国家知识产权局提交的专利申请。

本一种基于深度学习的中尺度涡识别方法在说明书摘要公布了：本发明公开了一种基于深度学习的中尺度涡识别方法，包括以下步骤：S1、获取海表面异常数据，对海表面异常数据进行预处理，生成训练集；S2、将训练集输入PAM‑ResNet模型，并设置损失函数和优化器；S3、设置PAM‑ResNet模型的超参数，对PAM‑ResNet模型进行训练，得到中尺度涡识别模型；S4、通过中尺度涡识别模型对海表面异常数据进行分析，完成海洋中尺度涡识别。本发明将PAM‑ResNet模型与现有的神经网络学习方法进行了对比，结果显示PAM‑ResNet模型对中尺度涡的识别效果最好，具有更强的特征提取融合能力和泛化性，进而在中尺度涡识别具体任务中具有可行性和显著优越性。

本发明授权一种基于深度学习的中尺度涡识别方法在权利要求书中公布了：1.一种基于深度学习的中尺度涡识别方法，其特征在于，包括以下步骤： S1、获取海表面异常数据，对海表面异常数据进行预处理，生成训练集； S2、将训练集输入PAM-ResNet模型，并设置损失函数和优化器； 所述S2中，将训练集输入PAM-ResNet模型，得到预测结果的方法具体为： S21、对输入数据进行连续三次的编码器处理和最大池化层下采样处理，得到第一特征图，且每次编码器处理后将生成的特征图和上层特征图输入FPN模块和注意力模块，生成中间特征图； 所述S21中，编码器、中间层和解码器中设置有残差单元，残差单元包括依次连接的3*3卷积层、批量归一化层、ReLU激活函数层和Dropout层，其中，Dropout层的输出和3*3卷积层的输入通过跳跃连接相加，作为残差单元的输出； 所述S21中，各层的FPN模块结构相同，均包括： 第一1*1卷积层的输入端与当前层的编码器连接，第一1*1卷积层的输出端与上采样的上层特征图元素相加，作为FPN模块的输出； 其中，顶层的FPN模块通过第二1*1卷积层与中间层连接，进而创建上层特征图，从顶层的FPN模块往下各层的FPN模块与上一层的注意力子模块和FPN模块连接，进而创建上层特征图； 所述S21中，注意力模块包括依次连接的ReLU激活函数层、第三1*1卷积层、sigmoid激活函数层和权重层，权重层的输出和当前层的第一1*1卷积层的输入通过跳跃连接相乘，得到注意力模块的输出； S22、将第一特征图输入中间层，得到第二特征图； S23、将第二特征图进行连续三次的上采样操作和解码器处理，得到第三特征图，且在每次解码器处理过程中通过跳跃连接将中间特征图拼接到生成的特征图上； S24、根据输出特征图得到预测结果 S3、设置PAM-ResNet模型的超参数，对PAM-ResNet模型进行训练，得到中尺度涡识别模型； S4、通过中尺度涡识别模型对海表面异常数据进行分析，完成海洋中尺度涡识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学三亚南海创新发展基地，其通讯地址为：266404 山东省青岛市黄岛区三沙路1777号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。