摘要
本发明提供了一种基于多尺度特征融合的图像识别方法,涉及计算机视觉与图像识别技术领域。通过构建多尺度图像识别模型输出识别结果。本发明采用特征编码模块提取多尺度特征,基于并行局部和全局特征提取机制,通过局部特征提取模块提取局部细节特征,同时通过全局特征提取模块捕获全局上下文信息;设计了跨分支融合模块,通过通道注意力、特征重校准和残差门控融合三阶段处理,实现局部与全局特征的自适应融合;引入多分支深层交互模块,通过差异化感受野的并行路径捕获多层次空间特征;配合轻量化的分类模块,在保证计算效率的同时获得优异的分类性能,为相关智能服务提供可靠的技术支持。
技术关键词
多尺度特征融合
图像识别方法
图像识别模型
局部特征提取
注意力
全局特征提取
子模块
编码模块
滑动窗口
多分支
通道
多尺度特征提取
加权特征
原始图像数据
全局平均池化
融合特征
增强子
系统为您推荐了相关专利信息
多模态融合深度学习
语义标签
融合深度学习模型
语义关键词
情感特征
风速预测方法
风速预测模型
卷积模块
节点
动态时间规整
图像特征向量
追踪方法
环境感知数据
大型机具
变电站
预处理图像数据
车厢
自动识别方法
铁路货车
字符
车辆运行数据
怠速控制
数据处理模块
权重模型
动态