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!
申请/专利权人:河南科技大学
摘要:一种基于改进卷积神经网络的路面状态识别方法,包括如下步骤:S1、采集待识别的原始路面图像;S2、将原始路面图像输入到已训练好的神经网络识别模型中进行处理,神经网络识别模型包括Inception‑ResNet‑v2基础网络,且Inception‑ResNet‑v2基础网络的第一主体模块Inception‑ResNet‑A、第二主体模块Inception‑ResNet‑B和第三主体模块Inception‑ResNet‑C中均引入ECA注意力模块;S3、对第一特征图、第二特征图和第三特征图进行全局平均池化后融合得到特征数据;S4、利用分类器对特征数据进行识别分类得到路面状态结果。本发明提供一种基于改进卷积神经网络的路面状态识别方法,通过在卷积神经网络中引入注意力机制以及特征融合策略提高模型的特征提取能力,进而提高模型的分类准确率、时效性和泛化性,从而实现路面状态图像的精准识别。
主权项:1.一种基于改进卷积神经网络的路面状态识别方法,其特征在于,包括如下步骤:S1、采集待识别的原始路面图像;S2、将原始路面图像输入到已训练好的神经网络识别模型中进行处理,神经网络识别模型包括Inception-ResNet-v2基础网络,且Inception-ResNet-v2基础网络的第一主体模块Inception-ResNet-A、第二主体模块Inception-ResNet-B和第三主体模块Inception-ResNet-C中均引入ECA注意力模块;所述神经网络识别模型对原始路面图像进行处理的方法包括:S21、通过不对称卷积和池化操作提取原始路面图像的初始特征图;S22、依次利用第一主体模块Inception-ResNet-A、第二主体模块Inception-ResNet-B和第三主体模块Inception-ResNet-C对初始特征图进行处理,并且分别基于ECA注意力模块输出第一特征图、第二特征图和第三特征图;S3、对第一特征图、第二特征图和第三特征图进行全局平均池化后融合得到特征数据;S4、利用分类器对特征数据进行识别分类得到路面状态结果。
全文数据:
权利要求:
百度查询: 河南科技大学 一种基于改进卷积神经网络的路面状态识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。