基于深度学习特征增强的复杂背景下昆虫检测方法和系统

AITNT
正文
推荐专利
基于深度学习特征增强的复杂背景下昆虫检测方法和系统
申请号:CN202411718475
申请日期:2024-11-28
公开号:CN119229476A
公开日期:2024-12-31
类型:发明专利
摘要
基于深度学习特征增强的复杂背景下昆虫检测方法和系统,涉及小目标检测领域。解决了农业昆虫检测缺乏真实场景中动态捕获到的昆虫图像的问题。方法包括:获取图像,并对所述图像进行预处理;构建S‑Insect‑Det网络结构,S‑Insect‑Det网络结构包括主干网络、颈部网络和检测头;所述主干网络为基于Transformer的EfficientViT网络;所述颈部网络为双向多尺度融合架构;通过主干网络进行图像特征提取,并通过颈部网络进行多尺度特征融合;通过检测头输出特征融合后的特征表示,获取昆虫识别结果。本发明应用于昆虫识别领域。
技术关键词
深度学习特征 图像特征提取 多尺度特征融合 网络结构 检测头 输出特征 多分支 卷积模块 高层语义信息 样本 图像获取单元 特征提取单元 可读存储介质 处理器 分辨率
系统为您推荐了相关专利信息
1
一种面向非接触式雷达心动波形图的报告生成方法
报告生成方法 非接触式 深度神经网络结构 图像特征编码 损失函数设计
2
一种基于结构化剪枝的卷积神经网络优化方法及系统
滤波器 多粒度剪枝 神经网络优化系统 卷积神经网络模型优化 信息熵
3
一种多视图的心电图哈希编码方法、系统、介质及设备
哈希编码方法 卷积神经网络提取 信号特征 卷积神经网络特征提取 建立映射关系
4
高能吸收装置动力学响应建模及其参数影响量化分析方法
吸收装置 量化分析方法 末端缓冲装置 数学模型 神经网络结构
5
一种SF6密度继电器温度补偿方法
SF6密度继电器 温度补偿方法 SF6气室 粒子群优化算法 神经网络模型
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