CN115063724B 一种果树田垄的识别方法及电子设备 （南京理工大学）_第1页
CN115063724B 一种果树田垄的识别方法及电子设备 （南京理工大学）_第2页
CN115063724B 一种果树田垄的识别方法及电子设备 （南京理工大学）_第3页
CN115063724B 一种果树田垄的识别方法及电子设备 （南京理工大学）_第4页
CN115063724B 一种果树田垄的识别方法及电子设备 （南京理工大学）_第5页
已阅读5页，还剩11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

AU2020103901A4,2021.02.11本发明公开了一种果树田垄的识别方法及2通过基于时间空间视觉注意机制以及全卷积神经网络的语义标签模型，在线生成果对生成的果树、田垄感兴趣目标的语义标签进行语义选择和基于核将目标跟踪置信图和语义密集置信图作为深度感知网络的输入，采用多尺度的循环卷积网络，在多层面深度融合时空特征，采用门所述基于条件随机场模型与运动光流，对果树、田垄感兴趣目标进行在所述基于核相关滤波算法进行感兴趣目标的跟踪，更新果树、田垄深37.一种电子设备，包括存储器、处理器及4垄等的识别感知技术一般采用深度学习技术或者支持向量机(SVM)技术。虽然支持向量机[0004]本发明的目的在于提出一种果树田垄的识别方法及电子设备，不受SVM的核心函5[0018]步骤2.2：将门控循环单[0037]步骤5.2：基于深度语置信图和光流运动估计图作为条件随机场模型非子模目标轮廓推理的输入，得到目标轮6域和非感兴趣区域分割；本发明通过神经网络的训练准确的得到感兴趣区域的语义标签，然后基于生成的语义标签和基于深度感知语义网络训练结合生成感兴趣目标的深度感知经网络的离线语义模型的训练相结合大大提高了果树田垄感兴趣目标的实时识别的准确语义感知模型的构建和基于语义感知和运动光流的感兴趣目标的轮廓推理以及目标边界[0057]步骤2：基于时间空间视觉注意机制以及全卷积神经网络在线生成果树田垄感兴7得到的语义目标进行语义选择和基于核化相关滤波器语义滤波之后得到感兴趣目标的语8作为基于条件随机场模型(CRF)非子模目标轮廓推理方法条件随机场模型(CRF)非子模目标轮廓推[0082]基于步骤5方法的输入，结合本领域公知的条件随机场模型网络结构可离线获取[0083]步骤6：通过步骤5感兴趣目标的边界框定位更新感兴趣目标通用数据模型(高斯9

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