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
解决了目前的异常检测方法不能实现通用的猪2所述改进的Yolov5n网络模型为：在现有的Yolov5n网络模型的4层、第6层和第8层后加入通道注意力模块，并将所述通道注意力模块与颈部网络的第18S3：构建一个端到端可训练的且以对象为中心的双所述双流卷积自动编码器网络包括外观子网络和动作子网络，两个子网3所述的双流卷积自动编码器网络仅采用猪只正常行S6：对当前帧图像的异常预测图进行高斯滤波时序缩放操作为：将激励操作后输出的权重映射为一组特征通道3.根据权利要求1所述的一种猪只异常行为检前帧图像中选定一张目标截图，通过步骤S3提取选定的目标截图的特征向量并聚类成k个k个二元分类器：4A3：将目标截图转为灰度图像，并通过与训练图像的相邻帧图像进行像素值相A4：根据步骤A3得到的灰度帧图和灰度帧差图分别作为以对象为中心的所述自动编码器网络包括外观子网络和动作子网络，所述外观子网络i、j表示空间指数。56[0005]本发明为克服目前的异常检测方法不能实现通用的猪只异常行为检测的技术缺7[0019]上述方案中，通过采用改进的Yolov5n网络模型对各帧图像进行目标检测和裁剪的目标截图的特征向量并聚类成k个簇，然后将聚类结果分别输入k个分类器中得到k个分8[0045]对于每一个查询映射通过对具有相应权重的内存项pm进行加权平均来读9t表示第t时刻的特[0073]本发明提供了一种猪只异常行为检测方法，通过采用改进的Yolov5n网络模型对过采用训练的分类器对目标截图进行分类得到分类分数，进而得到各帧图像的异常分数，[0083]对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解[0098]在具体实施过程中，通过采用改进的Yolov5n网络模型对各帧图像进行目标检测[0104]实际实施时，针对现有的Yolov5n网络模型存在边界框定位不够准确导致难以区定的目标截图的特征向量并聚类成k个簇，然后将聚类结果分别输入k个分类器中得到k个[0123]实际实施时，由于现有的Yolov5n网络模型预设定锚框默认是主要针对coco数据包括一个空间卷积层、三个卷积LSTM层(ConvLSTM)、三个注意力模块和两个最大池化层":[0138]对于每一个查询映射通过对具有相应权重w"的内存项pm进行加权平均来读样本中的一个子集相对另一个子集相当于伪异常样本，从而弥补真实异常样本缺少的问定的目标截图的特征向量并聚类成k个簇，然后将聚类结果分别输入k个分类器中得到k个[0184]对于每一个查询映射at,通过对具有相应权重w"的内存项pm进行加权平均来读t表示第t时刻的特才会更新内存项。
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
- 教师情绪劳动实证研究论文
- 产业链安全评估指标数据采集方法论文
- 城市公园绿地使用行为挑战论文
- 3.3调制信道与编码信道
- 家校协同育人行为规范论文
- 机器人学习应用论文
- 临床护理中的伦理审查与监督机制
- 护理继续教育中的跨学科合作
- 双相及相关障碍锂盐规范化使用专家共识
- 老年患者围术期血液保护专家共识
- 三山岛金矿安全培训课件
- 单眼包扎法课件
- 2025年吉林省国资委监管企业招聘（2号）（公共基础知识）测试题附答案解析
- 2025年园林绿化工程安全教育培训试题及答案
- 高职美术说课课件
- 心力衰竭护理查房
- 南方医科大学-药理学课程习题
- 2025年贵州省公务员遴选考试模拟试题及答案解析
- 注射用瑞卡西单抗-临床用药解读
- 铁路工务三级安全培训课件
- 干部选拔任用工作课件
评论
0/150
提交评论