摘要
本发明提供一种基于网络架构搜索的多任务学习预测方法及品质检测方法,该多任务学习预测方法多个Res‑SE模块和特征交互模块进行动态选择和配置,实现多个Res‑SE模块和特征交互模块动态优化;包括由多个Res‑SE模块组成共享特征提取层,挖掘适用于多任务的全局共享特征信息;然后将全局共享特征信息分成两个特定任务预测分支;再由特征交互模块对两个特定任务预测分支的输入特征进行交互以融合特定任务特征。本多任务学习预测方法用于应用在西洋参和面粉的品质检测上。
技术关键词
学习预测方法
多任务
品质检测方法
模块
组合特征向量
网络架构
分支
小麦面粉
全局平均池化
动态
数据
编码向量
遗传算法
机制
误差
训练集
通道
校正
系统为您推荐了相关专利信息
高比例新能源
故障场景
子模块
节点
电网拓扑结构
水下地形匹配定位方法
匹配网络模型
尺寸特征
多波束
匹配模块
识别方法
图像底层特征
特征提取器
大规模图像数据
对齐模块