摘要
本发明公开了一种增强物体检测和分割任务特征提取的图像识别方法,包括下述步骤:获取苹果图像数据并进行数据增强;对数据增强后的苹果图像数据进行数据预处理,并划分为训练集、验证集和测试集;构建苹果图像识别网络模型,将YOLOv5网络模型SPP模块之前的两个C3模块替换为空洞卷积SAC模块,在YOLOv5网络模型中间层添加辅助训练头;基于训练集对苹果图像识别网络模型进行训练;基于测试集对苹果图像识别网络模型进行测试,输出图像识别的准确率;基于训练后的苹果图像识别网络模型得到预测的图像识别结果。本发明增强了物体检测和分割任务中的特征提取,让网络模型中间层学到更多的信息,有更丰富的梯度信息帮助训练。
技术关键词
物体检测
图像识别方法
图像识别系统
网络模型训练
中间层
退火算法
数据获取模块
像素
测试模块
训练集
模板
输出模块
优化器
空洞
指数
滤波
系统为您推荐了相关专利信息
图文
文本
图像特征提取模型
多模态特征融合
编码
符号网络模型
深度神经网络
样本
生成符号
修复方法
拓扑网络
网络模块
节点
多层网络结构
片上网络技术