摘要
本发明公开了一种涡旋光通信轨道角动量的模式识别模型的训练方法。将图像输入到待训练的模型提取全局特征;将全局特征输入卷积层生成全局特征表示,生成全局预测分数;通过全局特征和全局预测分数定位对象区域,并生成标签注意力图,学习标签区域相关性生成预测分数;将对象区域输入模型提取局部特征;将局部特征输入卷积层生成局部特征表示,生成局部预测分数;将标签区域相关性的预测分数与局部预测分数聚合,得到最终的局部预测分数;通过全局预测分数和最终的局部预测分数计算损失,使用反向传播进行优化,得到最终模型。分类结果取全局预测分数和最终的局部预测分数中每个类别预测分数的最大值,从而能够识别混合多模式涡旋光束轨道角动量。
技术关键词
模式识别模型
卷积神经网络模型
光通信
注意力
sigmoid函数
光束轨道角动量
Sigmoid函数
生成标签
图像全局特征
节点特征
分类器参数
线性分类器
对象
元素
状态更新
多模式
系统为您推荐了相关专利信息
低压配电台区
负荷预测方法
变分模态分解算法
注意力
气候
股票预测方法
非参数回归方法
股票预测技术
股票行情数据
知识蒸馏技术
状态监测方法
融合视觉
预训练模型
时序
主动学习策略
配电网运行数据
动态邻接矩阵
配电网故障诊断
节点特征
融合特征