基于ResNet残差网络的地形环境识别方法

AITNT
正文
推荐专利
基于ResNet残差网络的地形环境识别方法
申请号:CN202411478318
申请日期:2024-10-22
公开号:CN119478865A
公开日期:2025-02-18
类型:发明专利
摘要
本发明涉及深度学习技术领域,尤其涉及一种基于ResNet残差网络的地形环境识别方法,该方法包括以下步骤:构建基于ResNet残差网络和CBAM注意力机制的地形环境识别网络;训练并优化所述地形环境识别网络;获取地形环境图像,并对所述地形环境图像进行预处理,得到输入图像;将所述输入图像输入所述地形环境识别网络进行地形环境识别,得到地形环境识别结果。本发明通过ResNet残差网络和CBAM注意力机制的结合,大大减少了网络训练时间,可实现更快速更精准的地形环境分类,对移动机器人的户外路径规划和导航提供了有力的帮助。
技术关键词
环境识别方法 残差网络 地形特征 残差模块 通道注意力机制 输出特征 表达式 图像 全局平均池化 深度学习技术 移动机器人 多层感知机 坐标 元素 参数 逻辑
系统为您推荐了相关专利信息
1
一种基于多模态数据的单木树冠分割深度学习方法
深度学习方法 多模态 森林结构 LiDAR点云 卷积模块
2
一种基于空间三维模型的无居民海岛资源监测方法
海岛 资源监测方法 三维模型 动态地图 数字地形模型
3
一种基于Dens-TCN和CNN的原油期货价格预测方法
价格预测方法 波动特征 皮尔逊相关系数 代表 数据
4
基于U-CS-Net模型的降水预报订正方法
订正方法 数据 Softmax函数 通道注意力机制 矩阵
5
基于深度学习的车牌识别系统
车牌识别系统 生成对抗网络 双分支卷积神经网络 神经网络混合模型 可变形卷积层
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号