[發明專利]基于卷積神經網絡ConvNext與注意力機制的木材花紋識別方法在審
| 申請號： | 202310561541.0 | 申請日： | 2023-05-18 |
| 公開（公告）號： | CN116597162A | 公開（公告）日： | 2023-08-15 |
| 發明（設計）人： | 田朔;李文珠;劉美怡;楊東 | 申請（專利權）人： | 浙江農林大學 |
| 主分類號： | G06V10/44 | 分類號： | G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06V10/776 |
| 代理公司： | 杭州杭奕專利代理事務所(普通合伙) 33535 | 代理人： | 張常勝 |
| 地址： | 313000 浙*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 卷積 神經網絡 convnext 注意力 機制 木材 花紋 識別 方法 | ||
1.一種基于卷積神經網絡ConvNext與注意力機制的木材花紋識別方法，其特征在于，所述方法包括以下步驟：
A.預處理木材圖像；
B.利用卷積神經網絡ConvNext進行特征提取；
C.引入注意力機制；
D.構建最終分類器；
E.優化與訓練；
F.識別與應用；
其中，所述步驟B中，利用卷積神經網絡ConvNext進行特征提取，包括卷積層、線性整流單元、批規范化基本單元等組成部分，抽取木材花紋的局部與全局信息。
2.如權利要求1所述的基于卷積神經網絡ConvNext與注意力機制的木材花紋識別方法，其特征在于，所述步驟C中，引入注意力機制，通過自適應地加權局部特征，加強對關鍵特征的關注，提高識別準確性。
3.如權利要求1所述的基于卷積神經網絡ConvNext與注意力機制的木材花紋識別方法，其特征在于，所述步驟D中，基于提取到的特征信息和注意力機制，構建最終的分類器，實現對不同木材花紋的識別。
4.如權利要求1所述的基于卷積神經網絡ConvNext與注意力機制的木材花紋識別方法，其特征在于，所述步驟E中，采用合適的損失函數和優化算法，對卷積神經網絡ConvNext進行訓練，使模型能夠更好地識別不同的木材花紋。
5.如權利要求1所述的基于卷積神經網絡ConvNext與注意力機制的木材花紋識別方法，其特征在于，所述步驟F中，將訓練好的模型應用于實際木材花紋識別任務中，實現對木材花紋的快速、準確識別，為木材質量評估和分類提供依據。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于浙江農林大學，未經浙江農林大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310561541.0/1.html，轉載請聲明來源鉆瓜專利網。
