专利交易市场

本发明公开一种基于深度学习模型的岩体质量评价方法，为：S1：获得全部钻孔摄影图像并选择其中一定量的钻孔摄影图像，将选中的钻孔摄影图像按照有结构面和无结构面区分；S2：基于深度学习模型迁移方法对选择的钻孔摄影图像进行模型训练，筛选出具有结构面的钻孔摄影图像，并对具有结构面的钻孔摄影图像进行尺寸统一；S3：以所有具有结构面的钻孔摄影图像为研究对象并进行标注；S4：采用基于ResNet的UNet网络对标记的钻孔摄影图像进行训练，最终得到用于分割钻孔摄影图像的深度模型；S5：将得到深度模型应用于钻孔摄影图像分割中可得到结构面分割结果，实现岩体的完整性评价。本方法为岩体质量智能评价提供理论和方法支持。

本发明公开了一种基于Wide&Deep深度学习模型的文本预测方法。本发明旨在解决深度学习模型中对人工特征的充分利用以及Wide&Deep模型预测时的计算消耗问题。本发明的实施方案是：首先对文本数据进行标注，其次构建Wide特征，然后对基于Wide&Deep的深度学习模型添加辅助训练任务，最后对文本内容进行预测。本发明提及的人工特征作为深度学习模型训练过程中的附加任务，为模型提供了更多的有效信息，提高了模型学习效率。并且，在文本内容预测时不需要计算Wide特征，从而提升了模型性能。不同宽度的卷积核卷积后，可以通过一次卷积block获得不同距离上的信息，这有助于提升模型性能。同时，减少调整不同卷积核的时间，通过模型学习能自动适应不同的卷积核宽度。