【技术实现步骤摘要】
一种无标签框微地震信号检测方法及装置
本专利技术属于微地震信号检测
，具体涉及一种无标签框微地震信号检测方法及装置。
技术介绍
微地震有效信号检测技术是微地震数据处理的重要技术之一，在农业与生产方面有着至关重要的作用。传统的微地震信号检测技术不仅无法满足弱信噪比下的有效信号提取精度的要求，而且往往需要大量的时间，这显然无法满足当今大数据时代的需要。深度网络其参数多、容量众的特点使其对于海量数据拥有强大的处理能力，目标检测作为深度学习的应用，在图像处理，语义分割方面有着突出的贡献。Faster-RCNN作为目标检测的经典网络模型，有着检测速度快，目标精确度高的优点。但是，传统的目标检测始终需要在数据集上，人为的制作标签框。这显然耗时费力，不符合大数据时代的需求。
技术实现思路
为了解决在目标检测中制作标签框复杂的问题，本专利技术提出一种无标签框微地震信号检测方法及装置。本专利技术第一方面，提出一种无标签框微地震信号检测方法，所述方法包括：S1、从微地震信号数据中筛选出两个含有有效信号的数据集a、b，并对数据集a、b中的图像做预处理；S2、通过卷积神经网络分别对所述...
【技术保护点】
1.一种无标签框微地震信号检测方法，其特征在于，所述方法包括：S1、从微地震信号数据中筛选出两个含有有效信号的数据集a、b，并对数据集a、b中的图像做预处理；S2、通过卷积神经网络分别对所述预处理后的数据集a、b进行图像特征提取，得到数据集a、b的数据特征图；S3、通过Faster‑RCNN中的区域建议网络层RPN层分别在所述数据特征图上生成a、b两类候选框；S4、通过对抗生成网络的判别器分辨a、b两类候选框的相似性，鉴别出相似度超过预设阈值的候选框；S5、通过ROI Align调整步骤S4鉴别出的候选框，生成尺寸大小一致的特征图；S6、通过Faster‑RCNN的全连接层...
【技术特征摘要】
1.一种无标签框微地震信号检测方法，其特征在于，所述方法包括：S1、从微地震信号数据中筛选出两个含有有效信号的数据集a、b，并对数据集a、b中的图像做预处理；S2、通过卷积神经网络分别对所述预处理后的数据集a、b进行图像特征提取，得到数据集a、b的数据特征图；S3、通过Faster-RCNN中的区域建议网络层RPN层分别在所述数据特征图上生成a、b两类候选框；S4、通过对抗生成网络的判别器分辨a、b两类候选框的相似性，鉴别出相似度超过预设阈值的候选框；S5、通过ROIAlign调整步骤S4鉴别出的候选框，生成尺寸大小一致的特征图；S6、通过Faster-RCNN的全连接层后，对所述尺寸一致的特征图进行分类，使用交叉熵损失函数对预测误差分析，不断拟合训练得到无标签框微地震信号检测模型；S7、输入待检测信号图像，通过所述无标签框微地震信号检测模型检测有效信号。2.根据权利要求1所述无标签框微地震信号检测方法，其特征在于，所述步骤S7中，所述输入待检测信号图像之后、通过所述无标签框微地震信号检测模型检测有效信号之前，还包括：对待检测信号图像做预处理，通过VGG16网络提取图像特征。3.根据权利要求1所述无标签框微地震信号检测方法，其特征在于，所述步骤S3中，所述RPN层在所述特征图上定义纵横比，每一个像素点都在特征图上映射出大小比例不同的九个候选框，这些候选框中包含待检测的有效信号。4.根据权利要求1所述无标签框微地震信号检测方法，其特征在于，所述步骤S4的具体过程为：设a、b两类候选框分别属于X集合与Y集合，采用对抗生成网络的判别器，对X，Y集合做极大似然估计，鉴别出相似度超过预设阈值的候选框，判别器损失公式如下：其中x...
【专利技术属性】
技术研发人员：盛冠群，杨超，唐新功，谢凯，汤婧，
申请(专利权)人：长江大学，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。