买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于DA‑Net的杂草自动分割方法。本发明步骤如下:1、实验数据的预处理；2、构建DA‑Net网络模型；2.1采用ResNet101作为编码阶段的主干网络提取语义信息；2.2构建分支注意力模块，并在编码阶段的主干网络中添加分支注意力模块；2.3经过分支注意力模块融合后的最终特征Y送入全局卷积网络进行特征提取；2.4构建空间注意力模块；2.5在解码阶段采用反卷积恢复图像分辨率；3、训练DA‑Net网络模型；4、采用训练好的DA‑Net网络模型进行土地中的杂草进行分割，并对分割效果进行评估。本发明实现了杂草的自动分割，减少了除草剂的大规模使用。本发明能更好的促进高层特征与低层特征的融合，帮助二者建立多层次和长距离的依赖关系。从而实现高精度的杂草分割。

主权项：1.一种基于DA-Net的杂草自动分割方法，其特征在于具体步骤如下：步骤1、实验数据的预处理；步骤2、构建DA-Net网络模型；步骤2.1采用ResNet101作为编码阶段的主干网络，提取语义信息；步骤2.2构建分支注意力模块，并在编码阶段的主干网络中添加分支注意力模块；步骤2.3经过分支注意力模块融合后的最终特征Y送入全局卷积网络GCN进行特征提取；步骤2.4构建空间注意力模块；步骤2.5在解码阶段采用反卷积恢复图像分辨率；步骤3、训练DA-Net网络模型；步骤4、采用训练好的DA-Net网络模型对土地中的杂草进行分割，并对分割效果进行评估；步骤2.2构建分支注意力模块，并在编码阶段的主干网络中添加分支注意力模块，具体实现如下：主干网络的第二层的Res-2与高层特征Res-3、Res-4和Res-5共同经过分支注意力模块Ⅰ；第三层的Res-3与高层特征Res-4和Res-5共同经过分支注意力模块Ⅱ；第四层的Res-4与高层特征Res-5共同经过分支注意力模块Ⅲ；高层特征在经过分支注意力模块前，利用双线性插值将高层特征恢复图像分辨率；高层特征与低层特征进行拼接，并经过全局平均池化层Ggp得到一维通道特征向量；一维通道特征向量经过Fcr，最终再送入sigmoid激活函数得到分支注意力图；Fcr由1×1的卷积层、RELU激活函数和1×1的卷积层构成；分支注意力图与恢复分辨率后的高层特征进行相乘，得到新的高层特征；新的高层特征与低层特征相乘得到输出特征。

全文数据：

权利要求：

百度查询： 浙江财经大学 一种基于DA-Net的杂草自动分割方法