CN114898227B 一种云图分割方法 （无锡学院）_第1页
CN114898227B 一种云图分割方法 （无锡学院）_第2页
CN114898227B 一种云图分割方法 （无锡学院）_第3页
CN114898227B 一种云图分割方法 （无锡学院）_第4页
CN114898227B 一种云图分割方法 （无锡学院）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

得到的数据集输入改进型U-Net模型进行训练、出预览图通过transformer架构进行优化，得到最终输出效果图。本发明运用了通过在U-Net模型中引入transformer以及回归模型，对云层的2S31，将步骤S1中的数据集的80％作为训练集输入到S32，将步骤S1中的数据集的10％作为测试集输入到S31中的最佳参数模型中进行测S4，将步骤S3中改进U-Net模型的比较输出图像利用一层卷积层cEmbedding；再进行Flatten展开输出特征向量，随后对特征向量加入余弦位置编码S22，在解码网络的拼接操作和在进行特征图的拼接操作中分别加入高效通道注意力3S23，将批处理规范化加在U-Net网络的卷积层和激活S24，将解码部分的每一层与编码部分的同层的特征图以及相邻更低一层的特征图跳同层为第一层，解码部分的最后一层输入信息流不变，拼接操作后的特征图通道数变为45[0015]S22，在解码网络的拼接操作和在进行特征图的拼接操作中分别加入高效通道注[0017]S24，将解码部分的每一层与编码部分的同层的特征图以及相邻更低一层的特征[0019]S31，将步骤S1中的数据集的80％作为训练集输入到改进U-6[0033]1、本发明运用了transformer的自注意力机制，通过在U-Net模型中引入7应于该特征图的权重矩阵，Ωck表示zc对应的k个相邻的特征通道的集合，为集合Ωck中获得0-1之间归一化的权重。然后利用最终的权重加权到特征图U上得到优化后的特征图。从编码部分得到的结果是否直接用于解码，经过改进的U-Net网络能够提取更加丰富且准8Net解码部分的每一层与编码部分的同层的特征图以及相邻更低一层的特征图跳跃连接。征图尺寸是当前层的特征图尺度的2倍，因此先将编码器上一层的输出特征图进行最大池最后加入1×1的卷积核对云图进行分类。将224×224×3的特征图输入到编码部分的第一层，经过卷积块conv11输出224×224×32的特征图，经过可变卷积块deform_conv11输出×128的特征图，经过可变卷积块deform_conv13输出56×56×128的特征图，经过池化层卷积块conv14输出28×28×256的特征图，经过可变卷积块deform_conv14输出28×28×到编码部分的第五层，经过卷积块conv15输出14×14×512的特征图，经过可变卷积块deform_conv15输出14×14×512的特征图；将14×14×512的特征图输入到解码部分的第9入到解码部分的第三层，经过上采样Up2输出112×112×128的特征图，经过拼接操作两次卷积块conv22输出112×112×64；将112×112×64的特征图输入到解码部分的第四

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论