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！

龙图腾网获悉山东科技大学申请的专利一种基于深度残差语义分割网络的初至拾取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：CN115147432B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202210787746.6，技术领域涉及：G06T7/10；该发明授权一种基于深度残差语义分割网络的初至拾取方法是由丁仁伟;张硕伟;赵硕;麻晓敏;张金伟;李建平设计研发完成，并于2022-07-06向国家知识产权局提交的专利申请。

本一种基于深度残差语义分割网络的初至拾取方法在说明书摘要公布了：本发明设计了一种基于深度残差语义分割网络的初至拾取方法，其包括：步骤S1、构建初至训练集、验证集及测试集；步骤S2、构建深度残差语义分割网络结构；步骤S3、根据步骤S1的训练集、验证集及测试集对步骤S2构建的深度残差语义分割网络结构进行训练，获取初至拾取网络模型；步骤S4、根据步骤S3训练得到的初至拾取网络模型对全部实际地震数据进初至拾取。本申请采用非对称式的编码器‑译码器结构，并使用亚像素卷积实现特征图的高分辨率重建，同时编码器与译码器之间的跳跃连接，提高了初至自动拾取的精度和效率，最终通过使用深度残差语义分割网络结构对地震资料训练得到初至拾取模型，实现了训练耗时短，模型拾取初至准确率高的技术效果。

本发明授权一种基于深度残差语义分割网络的初至拾取方法在权利要求书中公布了：1.一种基于深度残差语义分割网络的初至拾取方法，其特征在于，其包括： 步骤S1、构建初至训练集、验证集及测试集，比例为6：2：2； 步骤S2、构建深度残差语义分割网络结构，采用非对称式的编码‑解码结构，其中编码器占比大，解码器占比小；所述编码器与解码器之间使用跳跃连接，叠加特征图维度；编码器包括残差模块；残差模块中的卷积层的卷积核尺寸为3*3，解码器使用亚像素卷积层进行特征图的超分辨率重建； 步骤S3、根据步骤S1的训练集、验证集及测试集对步骤S2构建的深度残差语义分割网络结构进行训练，获取初至拾取网络模型；训练初至拾取网络模型的方法包括：步骤S31、将所述训练集输入深度残差语义分割网络中进行训练；步骤S32、基于设置的训练参数，得到网络的训练模型；步骤S33、在所述测试集上预测训练模型的分割效果，得到对应的分割结果；步骤S34、最后将分割出的Mask结果叠加在输入数据上，得到最终的分割效果； 步骤S4、根据步骤S3训练得到的初至拾取网络模型对全部实际地震数据进行初至拾取； 所述深度残差语义分割网络结构的运行方法为： 步骤S21、首先使用一个大尺寸卷积核对输入数据进行一次卷积处理； 步骤S22、然后将经过最大池化后得到的特征图送入编码器，编码器3次进行深度卷积学习深层特征语义信息，深度卷积叠加使用的残差模块数量分别是3、4、6，通过卷积控制步长代替池化进行下采样缩小特征图尺寸，每次卷积操作后做批量归一化处理； 步骤S23、其次将编码器处理后的特征图送入到解码器，进行特征图的高分辨率重建，恢复特征图的尺寸； 步骤S24、最后将每次上采样得到的特征图与对应层编码器保存的特征图相融合，汇集低级特征与高级特征学习多尺度特征信息。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。