内容提供者
一种多尺度卷积与深度双向GRU网络融合性能评估方法.pdf
2023-05-26
10金币
959KB
14页
佳晨****ng
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
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
一种多尺度卷积与深度双向GRU网络融合性能评估方法.pdf
本发明属于自动化过程控制领域,公开了一种化工过程的多尺度卷积与深度双向GRU网络融合性能评估方法,包括如下步骤:步骤1、以频率<base:Imagehe=@21@wi=@15@file=@951443DEST_PATH_IMAGE001.JPG@imgContent=@drawing@imgFormat=@JPEG@orientation=@portrait@inline=@yes@/>采集工业过程系统变量的运行数据,建立一个含有多变量,多类型故障的数据集,并对其进行数据预处理,在此基础上对故障类型进行编
2023-05-26
10
959KB
融合卷积神经网络与双向GRU的文本情感分析胶囊模型.pptx
融合卷积神经网络与双向GRU的文本情感分析胶囊模型目录添加章节标题模型概述卷积神经网络（CNN）双向GRU（GatedRecurrentUnit）胶囊网络（CapsuleNetwork）模型融合卷积层设计GRU层设计胶囊层设计融合策略模型训练与优化数据预处理损失函数设计优化算法选择超参数调整模型性能评估准确率评估F1分数评估ROC曲线评估AUC评估模型应用与展望文本情感分析应用其他应用场景未来研究方向THANKYOU
2024-10-04
20
2.3MB
基于多尺度融合轻量化深度学习卷积网络的目标检测方法.pdf
本发明公开了基于多尺度融合轻量化深度学习卷积网络的目标检测方法，设计骨干网络由两个模块组成：主干特征提取模块和多尺度融合定位特征模块；主干特征提取模块遵循了DenseNet网络沿通道维度串联的结构特点，使得每一层与它的所有后续层直接连接，特征可重复利用，不需要学习冗余的特征，从而降低参数量，保持网络精简高效；并且在其基础上增加了双路卷积通道方式，从而得到不同尺度的感受野；多尺度特征模块沿用了SSD多尺度锚点框检测机制，并在其基础上加入3‑way残差模块，把多尺度特征进行融合，增强特征的表达能力，从而检测多
2023-07-24
10
831KB
一种基于卷积网络多尺度特征融合的鞋印身高估计方法.pdf
本发明提供了一种基于卷积网络多尺度特征融合的鞋印身高估计方法，属于刑事侦查技术领域。技术方案：将鞋印旋转校正；将鞋印进行中心化处理；对异常数据进行处理；将鞋印数据增广；通过多尺度特征提取网络对图像进行处理；通过金字塔特征融合网络对图像进行处理；通过全局结构特征提取网络对图像进行处理；通过身高回归预测网络输出预测身高。有益效果：本发明使用多尺度特征提取网络提取出不同尺度的图像特征并通过金字塔特征融合网络进行多尺度特征融合，最大限度地保留了图像中深层的特征语义信息特征和浅层的空间信息特征；保证泛化能力的基础上
2023-11-09
10
555KB
基于3D卷积的多尺度注意力深度卷积网络的遥感图像融合方法.pdf
本发明公开了一种基于3D卷积的多尺度注意力深度卷积网络的遥感图像融合方法，将多光谱图像中拥有的高光谱分辨率与全色图像中拥有的高空间分辨率相融合，以获得高空间分辨率高光谱分辨率的多光谱图像。利用深度学习中U‑Net网络结构框架，设计了3D多尺度注意力深度卷积网络模型(MSAC‑Net)。为了保留多光谱中的光谱分辨率，模型整体使用3D卷积，对光谱维度上的信息进行特征提取；为了捕捉更多的空间细节，在模型的跳跃连接处引入了注意力机制，来学习区域细节。在模型的解码阶段，引入多个包含多尺度空间信息的重建层来计算重建结
2023-11-09
10
2.3MB