摘要
本发明公开了一种基于方向感知与贝叶斯融合的地裂缝提取深度学习方法,通过构建方向先验知识提取器,强化网络对方向的感知能力,同时,采用动态形变卷积核沿裂缝走向调整感受野,解决传统卷积核固定形态导致的特征断裂问题,并设计贝叶斯融合模块,基于贝叶斯概率模型动态分配全局语义特征与方向感知特征的权重,优化了不同特征之间的融合效果,通过与其他深度学习方法的对比,本发明所提取的地裂缝更为完整,能够适应地质条件较为复杂的矿区环境。
技术关键词
贝叶斯概率融合
深度学习方法
感知特征
裂缝
多源特征融合
语义特征
深度学习数据集
特征协方差矩阵
贝叶斯概率模型
区域无人机
融合特征
生成多尺度
相干性
全局平均池化
解码架构
正则化参数
综合误差
定义
计算机程序产品
特征值
系统为您推荐了相关专利信息
多模态数据融合
语义向量
分析方法
多模态融合技术
文本数据提取
语义分割模型
融合注意力机制
分隔方法
空间金字塔池化
裂缝
非连续变形分析方法
模型生成方法
孔洞
接触点
矩阵
深度学习系统
影像
注意力机制
特征提取模块
媒体