摘要
本发明提出了一种基于融合注意力的汽车零部件图像配准方法,涉及图像配准技术领域。本发明提出了汽车零部件图像配准流程,包括汽车零部件图像数据集制作、构建特征融合模块FFM、构建深度卷积前馈网络模块DFFN、构建融合注意力FAT、构建融合注意力模块FATM、构建汽车零部件图像配准模型和获得配准后的汽车零部件图像;同时提出了融合注意力模块FATM,包括多个融合注意力FAT,FATM可以捕获到不同尺度水平的各种短程和长程流动特征,促进不同层间的特征信息交互,从而更为准确的表示变形场,以提升图像配准的精度。
技术关键词
汽车零部件
图像配准方法
注意力
代表
图像配准模型
网络模块
通道
融合多尺度特征
采样器
图像配准技术
多层感知器
上采样
元素
多层感知机
网格
分支
输出特征
系统为您推荐了相关专利信息
识别蛋白质序列
注意力机制
矩阵
构象特征
LSTM模型
网页动态内容
篡改检测方法
页面特征
多模态
快照
状态监测方法
自主定位导航
隐马尔可夫模型
语义地图
数据分析算法
Sigmoid函数
深度学习模型
缺陷检测方法
注意力机制
补丁信息