摘要
一种基于数模混合驱动的工业烟气影像质量评估方法属于影像质量评估领域。本发明以数据驱动的卷积神经网络及自注意力机制和模型驱动的视觉显著性检测算子为基础,通过特征提取、特征降维、基于数模混合驱动的特征池化三个步骤,构建了一种基于数模混合驱动的工业烟气影像质量评估方法。本发明设计的工业烟气影像质量评估方法结合了模型驱动和数据驱动的优势,通过将视觉显著性检测这一物理模型与自注意力机制这一数据驱动算法相结合,能够更准确地评价工业烟气影像的质量。在复杂工业环境、不同类型的烟气排放和监测场景下均表现出优秀的准确性和鲁棒性,获得接近人眼的视觉质量评估效果。
技术关键词
视觉显著性检测
影像
注意力机制
特征提取模块
卷积神经网络模块
烟气
矩阵
数据驱动算法
生成特征
工业
监测场景
多层感知机
超轻量
鲁棒性
通道
复杂度
基础
系统为您推荐了相关专利信息
燃气设备
时序
基座
燃气监测技术
训练深度学习模型
烟火检测方法
注意力机制
环境感知数据
多通道特征
多通道图像数据
图像重建方法
模板特征
原始图像数据
图像嵌入
经验模态分解方法
测试设备数据
端口
统一时间尺度
因果关系模型
跨模态数据