基于卷积神经网络ConvNext与注意力机制的木材花纹识别方法.pdf

本发明提供了一种基于卷积神经网络ConvNext与注意力机制的木材花纹识别方法，该方法采用改进的ConvNext模型，通过引入注意力机制、卷积层的改进、DropBlock正则化技术和多尺度特征融合来提高模型性能。相较于现有技术在多个性能指标上表现出显著优越，如训练和测试准确率、F1Score、召回率、精确率、AUC‑ROC、IoU和运行时间。本方法首先对红木花纹图像进行预处理，包括裁剪、缩放和数据增强。接着，利用改进的ConvNext模型进行特征提取和分类。该模型在保持较低参数数量的同时，实现了

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116597162 A (43)申请公布日 2023.08.15 (21)申请号 202310561541.0 (22)申请日 2023.05.18 (71)申请人 浙江农林大学

相关知识

基于卷积神经网络的花卉识别方法
ConvNeXt：纯粹卷积的力量
基于超轻量级全卷积神经网络的花卉识别方法
基于卷积神经网络的多尺度葡萄图像识别方法
基于卷积神经网络的牡丹花品种识别
基于轻量化卷积神经网络的番茄病害图像识别
基于深度卷积神经网络的农作物病虫害识别及实现
基于卷积神经网络的花卉识别的研究与实现
基于卷积神经网络和集成学习的材质识别和分割方法研究
基于农作物病害检测与识别的卷积神经网络模型研究进展

原文链接: 基于卷积神经网络ConvNext与注意力机制的木材花纹识别方法.pdf https://www.huajiangbk.com/newsview1967540.html