摘要
本发明提供了一种基于分割通道注意力的高光谱壁画图像缺陷检测方法,用于解决现有基于深度学习的算法在多尺度特征提取的性能上表现较差,无法准确提取壁画所有尺度上的缺陷,难以满足高精度、大规模壁画图像缺陷检测需求的技术问题。本发明提供的一种基于分割通道注意力的高光谱壁画图像缺陷检测方法,将分割通道注意力机制融入到神经网络模型中,构建基于分割通道注意力的神经网络模型,根据波段将待测高光谱壁画图像分割为多组包含不同波段信息的图像,同时对每组图像进行不同卷积核大小的卷积,可以准确提取壁画所有尺度上的缺陷,有效提高了检测精度和效率,具有很好的实用性。
技术关键词
壁画图像
缺陷检测方法
神经网络模型
像素点
输入端
通道注意力机制
输出端
模块结构
线性
标记
优化器
标签
样本
算法
精度
系统为您推荐了相关专利信息
神经网络模型
特征提取模型
文件特征
子组件
可执行程序代码
样本生成方法
识别标签
比例积分微分控制器
深度神经网络模型
粒子群优化算法
训练机器学习模型
预警模型
样本
数据
支持向量机模型