【技术实现步骤摘要】
本专利技术涉及图像处理的，具体是涉及一种基于多尺度特征融合的图像的识别方法、计算机装置和计算机可读存储介质。
技术介绍
1、现如今，深度学习方法用于图像处理时，可识别多种物品，具有广泛适用性和准确性，成为解决农业视觉应用中遇到的挑战的新手段。但由于受作物自然生长规律的约束，农业图像数据的采集代价十分昂贵且耗时。一片试验田往往一年只能获取到1-2个序列的图像，所以使得可用于神经网络模型的训练数据十分有限，使得神经网络模型的性能受到严重影响。
2、现有一种faster r-cnn神经网络，该神经网络输出单个且较小的特征层，容易丢失小目标的像素信息，不能对图片的小型目标物体进行识别，从而影响神经网络的性能。
技术实现思路
1、本专利技术的第一目的是提供一种增强神经网络的性能的基于多尺度特征融合的图像的识别方法。
2、本专利技术的第二目的是提供一种实现上述基于多尺度特征融合的图像的识别方法的计算机装置。
3、本专利技术的第三目的是提供一种应用上述基于多尺度特征融...
【技术保护点】
1.基于多尺度特征融合的图像的识别方法，其特征在于：
2.根据权利要求1所述的基于多尺度特征融合的图像的识别方法，其特征在于：
3.根据权利要求1或2所述的基于多尺度特征融合的图像的识别方法，其特征在于：
4.根据权利要求3所述的基于多尺度特征融合的图像的识别方法，其特征在于：
5.根据权利要求1或2所述的基于多尺度特征融合的图像的识别方法，其特征在于：
6.根据权利要求5所述的基于多尺度特征融合的图像的识别方法，其特征在于：
7.根据权利要求4所述的基于多尺度特征融合的图像的识别方法，其特征在于
8....
【技术特征摘要】
1.基于多尺度特征融合的图像的识别方法，其特征在于：
2.根据权利要求1所述的基于多尺度特征融合的图像的识别方法，其特征在于：
3.根据权利要求1或2所述的基于多尺度特征融合的图像的识别方法，其特征在于：
4.根据权利要求3所述的基于多尺度特征融合的图像的识别方法，其特征在于：
5.根据权利要求1或2所述的基于多尺度特征融合的图像的识别方法，其特征在于：
6.根据...
【专利技术属性】
技术研发人员：余正泓，叶健雄，黎红源，
申请(专利权)人：广东科学技术职业学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。