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！

龙图腾网获悉吉林大学申请的专利基于数据增强的scSE_VGG16-UNet++地震层位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：CN121454615B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511998515.X，技术领域涉及：G01V1/30；该发明授权基于数据增强的scSE_VGG16-UNet++地震层位识别方法是由李鹏;刘财;王勤;王典;刘洋;鹿琪设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本基于数据增强的scSE_VGG16-UNet++地震层位识别方法在说明书摘要公布了：本发明适用于地震勘探技术领域，提供了基于数据增强的scSE_VGG16‑UNet++地震层位识别方法，包括以下步骤：构建以VGG16为主干的UNet基础网络；引入密集连接和深度监督机制，提升为VGG16‑UNet++网络；针对地震数据特点，采用多种横向变换和噪声添加方式进行数据增强；设计scSE注意力机制模块以同时增强特征通道与空间维度的表达能力；将scSE注意力机制模块嵌入VGG16‑UNet++的跳跃连接处，形成最终识别模型；使用交叉熵损失和Adam优化器训练网络；最后通过混淆矩阵、mIoU和PA指标评估识别效果。本发明有效解决了地震层位识别中因数据稀缺、特征相似导致的识别不连续、错层问题，显著提高了识别精度、连续性和模型泛化能力。

本发明授权基于数据增强的scSE_VGG16-UNet++地震层位识别方法在权利要求书中公布了：1.基于数据增强的scSE_VGG16-UNet++地震层位识别方法，其特征在于，包括以下步骤： 步骤1：将UNet编码器中的主干特征提取网络替换为VGG16网络的前5个卷积块，形成VGG16-UNet网络； 步骤2：在VGG16-UNet网络的基础上，引入密集连接和深度监督机制，构建VGG16-UNet++网络模型； 步骤3：对原始地震剖面数据及对应的层位标签数据进行同步增强处理； 步骤4：构建同时包含通道注意力模块和空间注意力模块的scSE注意力机制模块； 步骤5：将scSE注意力机制模块嵌入VGG16-UNet++网络的编码器与解码器之间的跳跃连接处，形成scSE_VGG16-UNet++网络模型，并利用增强后的数据进行模型训练； 步骤6：采用交叉熵损失函数和Adam优化算法对scSE_VGG16-UNet++网络模型进行训练； 步骤7：利用平均交并比和像素准确率对训练后的模型进行层位识别结果评估； 所述步骤4包括以下具体步骤： 对于通道维度的注意力模块，设输入特征图为： ； 其中，为实数集，为空间高度，为空间宽度，为通道数； 将输入特征图视为通道的组合，其中，对第个通道做全局平均池化，将包含全局信息的特征图在空间维度上压缩成，得到通道描述向量 其中，为标量，表示通道描述向量； 在通过两层全连接层和ReLU激活函数后变换为： ； 其中，为变换后的通道描述向量，和分别为两个全连接层的权重矩阵，为ReLU激活函数；经过sigmoid激活函数归一化处理后得到，进而得到在通道维度上对重新标定后的特征图： ； 其中，为cSE模块的输出，为sigmoid激活函数，表示第个通道的重要性； 对于空间维度的注意力模块，将输入特征图视为另一种切片形式，即按空间位置切分为，对施加的卷积核，该卷积的输出为，其中，对应空间位置，且，；为卷积核权重，为卷积输出的投影张量，为二维离散卷积运算； 投影中的每个元素表示空间位置处所有通道的线性组合，通过sigmoid激活函数归一化处理后得到，进而得到在空间维度上对重新标定后的特征图： ； 其中，为sSE模块的输出，表示空间位置处的重要性； 对上述两种注意力模块进行组合，形成scSE注意力机制模块，该组合能够同时对进行通道维度和空间维度上的重新标定，得到标定后的特征图： ； 其中，为scSE模块的输出。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。