摘要
本发明公开了一种元学习框架下基于深度多尺度融合的菊花图像智能筛选方法,包括:通过基于密集连接的深度特征提取模块,获取到深度融合特征;将深度融合特征作为语义分析模块的特征输入,得到语义特征;将深度特征提取模块、语义分析模块和线性连接层共同组成骨干网络,通过元学习框架学习并模拟骨干网络的参数更新模式,得到的先验知识保存;将菊花失真图像输入到骨干网络中,经过先验知识融合到骨干网络后进行微调,获得适用于菊花质量评价的模型。本发明能够有效地从不同类型失真图像中获得先验知识,并融入菊花质量评价任务中,同时能够利用少量标签数据准确地预测菊花质量,从而进行质量筛选,具有高效、健壮、以及可用性强的优势。
技术关键词
智能筛选方法
深度特征提取
多尺度
融合特征
分析模块
框架
多层次深度特征
语义特征
线性
参数
通道
特征提取网络
关系
评价图像
序列特征
注意力机制
系统为您推荐了相关专利信息
温升分析方法
铝合金主体
分析模块
物理
网格剖分技术
态势分析系统
电压越限概率
故障传播路径
检修申请数据
跳闸设备
动态规划模型
模型预测控制方法
控制策略
滚动时域优化
数字孪生模型