

基于残差网络和注意力机制的目标轨迹识别方法.pdf
霞英****娘子
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于残差网络和注意力机制的目标轨迹识别方法.pdf
本发明公开了一种基于残差网络和注意力机制的目标轨迹识别方法,属于目标行为识别领域。具体的实现步骤如下:(1)获取目标轨迹数据,进行预处理,构建目标轨迹数据集;(2)构建目标轨迹识别模型,所述的目标轨迹识别模型包括基于自注意力机制的时序特征提取模块,以及基于残差网络和通道注意力机制的深层特征提取模块;(3)使用步骤(1)中构建的目标轨迹数据集,对步骤(2)中构建的目标轨迹识别模型进行多轮迭代训练;(4)利用步骤(3)中训练好的目标轨迹识别模型,识别目标运动的行为模式。本发明充分利用残差网络和注意力机制的优势
一种基于注意力机制残差胶囊网络的甘蔗病害识别方法.pdf
本发明公开一种基于注意力机制残差胶囊网络的甘蔗病害识别方法,包括步骤:S10,获取待识别的甘蔗病害图片;S20,将获取图片进行预处理;S30,将处理后图片经过甘蔗病害识别模型进行病害识别,并获得识别结果;所述甘蔗病害识别模型采用基于注意力机制残差胶囊网络构架,包括步骤:S31,将图片输入至残差提取模块进行特征提取,所述残差提取模块采用注意力机制;S32,再经过胶囊模块,通过主胶囊层将标量神经元转换为矢量神经元,并利用动态路由算法有选择地激活主胶囊层和数字胶囊层中的高层胶囊,获得病害识别结。本发明用以解决传
基于多层次残差网络感知和注意力机制的小目标检测方法.pdf
本发明公开了基于多层次残差网络感知和注意力机制的小目标检测方法,Baseline采用单阶段检测器YOLOv5;方法的具体步骤如下:(1)构建虚拟训练样本,扩充训练数据集的规模,提升模型整体性能;(2)使用多层残差卷积提取图像多维度特征;(3)注意力机制增强浅层特征图;(4)特征金字塔连接浅层特征图;(5)利用损失函数优化模型预测目标位置信息和类别信息以及置信度;(6)P2检测层配合L<base:Sub>ufl</base:Sub>与VIoULoss预测小目标。本发明发明了选择性样本增强扩充了数据集,平衡样
基于多层次残差网络感知和注意力机制的小目标检测方法.pdf
本发明公开了基于多层次残差网络感知和注意力机制的小目标检测方法,Baseline采用单阶段检测器YOLOv5;方法的具体步骤如下:(1)构建虚拟训练样本,扩充训练数据集的规模,提升模型整体性能;(2)使用多层残差卷积提取图像多维度特征;(3)注意力机制增强浅层特征图;(4)特征金字塔连接浅层特征图;(5)利用损失函数优化模型预测目标位置信息和类别信息以及置信度;(6)P2检测层配合L<base:Sub>ufl</base:Sub>与VIoULoss预测小目标。本发明发明了选择性样本增强扩充了数据集,平衡样
基于多尺度残差和注意力机制的发票文本识别方法及系统.pdf
本发明公开了基于多尺度残差和注意力机制的发票文本识别方法及系统,包括以下步骤:对发票图像进行预处理,分割成单个字符图像;构建多尺度残差CNN网络,将单个字符图像输入到该网络中得到单个字符图像的表示向量;构建基于注意力机制的BiGRU网络,得到每个样本的文本识别结果;训练上述多尺度残差CNN网络与基于注意力机制的BiGRU网络构成的文本识别网络,寻找最优的网络参数,得到最优的文本识别网络,利用最优的文本识别网络从发票图像中识别文本信息;本发明的优点在于:能够提取更全面的特征,解决梯度消失的问题以及文本识别准