基于动态特征选择的图像定向视觉检测方法

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：基于深度学习网络进行图像定向视觉检测过程中,传统蝗虫优化算法特征选择的寻优精度低且收敛速度慢.因此,文章提出基于动态特征选择的图像定向视觉检测方法.采用自适应蝗虫优化算法动态选择图像特征,首先采用模糊C-均值算法划分种群等级,优选出高质量的蝗虫个体进行迭代优化;利用自适应权重系数更新蝗虫个体的位置信息,基于limit阈值约束种群最优解停滞次数,实现特征的动态选择;然后,引入注意力机制加速图像的聚焦检测,降低冗余特征对图像定向视觉检测的干扰.测试结果表明:该方法特征选择性能突出,在准确度和特征长度上展现了优势;能够准确检测出定向视觉目标,远处较小目标的检测能力较优.

作者：

王若贤

展开 >

作者单位：

皖江工学院计算机与人工智能学院安徽马鞍山 243000

关键词：

动态阈值特征选择自适应蝗虫算法视觉检测

出版年：

2024

DOI：

10.19717/j.cnki.jjun.2024.01.016

九江学院学报(自然科学版)

九江学院

九江学院学报(自然科学版)

影响因子：0.304

ISSN：

年,卷(期)：2024.39(1)

参考文献量12