摘要
本发明涉及一种基于深度学习图书馆座位管理系统的构建方法,该方法采用随机水平旋转、随机垂直翻转进行数据增强;在颈部添加能将浅层特征下采样为深层特征,并进行融合的特征融合模块;利用综合考虑F1分数和alpha‑IOU的损失函数训练检测网络模型;将增强通道注意力机制模块添加到主干网络的最后一个C3与SPPF模块之间,负责利用特征图不同通道之间的相关性来建立通道注意力机制,求解获得的通道注意力权重,并对特征图重新赋值,增强YOLOv5对通道的敏感性;采用附带1×1卷积进行残差连接,增强YOLOv5对特征的提取;本发明能自动、准确定位图书馆中的每个座位区域,并标记出该区域的座位使用情况,供读者了解图书馆座位使用情况。
技术关键词
检测网络模型
通道注意力机制
图书馆座位
Sigmoid函数
特征融合方法
CSP结构
图像特征信息
模块
缩放功能
检测头
残差结构
残差网络
融合特征
系统为您推荐了相关专利信息
多尺度特征提取
重构模块
通道注意力机制
人工智能计算机视觉
补丁
公路路面
微裂纹检测方法
图像分割
裂纹结构
算法模型
意图识别方法
Softmax分类器
卷积网络模型
视频流
人机
注意力机制
多层感知机
土壤水分数据
前馈神经网络
编码器
电力监控系统
攻击检测方法
高级持续性威胁
网络流量数据
攻击检测模型