摘要
本发明涉及计算机技术领域,尤其涉及一种基于无监督学习的桥梁病害识别方法、装置、设备及介质。通过设置全局信息辅助模块,有效增强了模型对图像语义知识的学习能力。当全局信息辅助模块接收到输入图像时,会将图像分割为多个尺寸一致的图像块。这些图像块被转换为一维向量,并通过线性投影嵌入到高维特征空间,实现对图像块间依赖关系的建模,精准捕捉图像的全局信息关联。通过注意力模块运算,进一步对图像块之间的依赖关系建模,强化全局信息的捕捉。将自注意力机制的输出与卷积运算结果融合,让模型在留存原始特征信息的基础上,获取经全局信息增强的图像特征表达。这种隐式特征蕴含丰富的图像语义与空间信息,提升了桥梁病害识别的准确性。
技术关键词
卷积模块
桥梁病害识别方法
无监督学习
深度学习网络
输入模块
输出模块
输入端
子模块
注意力机制
隐式特征
语义
图像块
关系建模
解码
图像分割
系统为您推荐了相关专利信息
数据去噪方法
无监督学习
编码器
雷达
训练深度学习模型
图像超分辨重建
深度残差
平滑方法
图像处理
平滑系统
车辆状态数据
迎宾灯
面部识别
输入神经网络模型
车门开关
推荐模型构建方法
大语言模型
三元组
图谱
生成框架
医疗数据采集模块
评估系统
程度评估方法
风险
机制