摘要
一种基于最大注意力机制的VOC泄漏识别神经网络模型属于挥发性有机化合物(VOC)泄漏检测技术领域。本发明通过构建最大注意力机制模块、设计多尺度域变换方法、搭建特征回归模块共三个步骤实现,能高效、准确地识别VOC泄漏、辅助推断泄漏源,在资源受限的工业场景中表现出优秀的实时性、准确性和鲁棒性。具体来说,首先本发明设计的最大注意力机制能以更小的模型尺寸和更低的计算复杂度提取全局信息,更适合对计算效率有严格要求的检测识别任务。其次本发明设计了多尺度域变换方法,通过将输入图像下采样到不同尺寸,进行域变换后再提取特征,使网络能更好地捕捉输入图像中VOC的泄漏特征,进而辅助推断泄漏源。
技术关键词
注意力机制
图像块
识别神经网络
泄漏检测技术
多尺度
生成特征向量
序列
模块
尺寸
矩阵
索引
鲁棒性
线性
复杂度
通道
受限
视觉
因子