一种基于改进深度残差收缩网络的图像纹理预测方法技术

本发明专利技术公开了一种基于改进深度残差收缩网络的图像纹理预测方法，包括以下步骤为：a.原图像预处理；b.将预处理后的图像按照设定的比例划分成训练集和测试集；c.图像纹理预测模型的搭建；d.图像纹理预测模型的训练：将训练集放入搭建好的图像纹理预测模型中进行训练；e.图像纹理预测模型的测试：将测试集输入到图像纹理预测模型中，测试图像纹理预测模型的有效性；f.图像纹理的预测。本发明专利技术将Resnet50残差神经网络与注意力机制相结合用于纹理特征的提取，通过软阈值法对权重进行收缩去除冗余信息，形成深度残差收缩预测模型，利用该模型对图像纹理的种类进行预测。实现了物体纹理种类的智能化预测，提高了预测精度和效率。

【技术实现步骤摘要】

本专利技术涉及一种基于改进深度残差收缩网络的图像纹理预测方法，属于数据处理。

技术介绍

1、纹理是一种重要的视觉线索，广泛存在于自然界各种物体的表面。纹理分类是计算机视觉和模式识别领域的一个重要的基本问题,也是图像分割、物体识别、场景理解等其他视觉任务的基础，同时被广泛应用于视觉导航、人脸识别、遥感图像分析、工业检测、医学图像分析等各个领域。如果一个人工智能模型能够准确预测出物体的纹理类别，那么它在分类任务中的应用将会是一个额外的优势。根据物体的视觉效果来理解和分类物体可以使人工智能模型更加高效和可靠。

2、目前纹理分析的难点主要有三个，一是存在较大的类内差异,即属于同一类的纹理表观特征差别比较大；二是类间模糊性,即不同类别的纹理实例具有一定的相似性；三是噪声的干扰,在实际场景下,可能出现模糊和随机噪声以及雨雾雪的影响等。这些使得识别问题的难度大大增加，现有的纹理预测方法很难保证纹理分类的准确性，因此有必要探索新的纹理预测方法。

技术实现思路

1、本专利技术的目的在于针对现有技术之弊端，提供一种基本文档来自技高网...

【技术保护点】

1.一种基于改进深度残差收缩网络的图像纹理预测方法，其特征是，所述方法包括以下步骤为：

2.根据权利要求1所述的图像纹理预测方法，其特征是，所述软阈值函数是一种非线性变换函数，其表达式为：

3.根据权利要求1或2所述的图像纹理预测方法，其特征是，将Sigmoid函数的输出归一化到0和1之间时，批量归一化的输入为数值集合B＝{x1...m}、可训练参数γ、β，xi为数值集合B中的第i个数据，i＝1,2，…，m，m是数值集合B中的数据个数，

4.根据权利要求3所述的图像纹理预测方法，其特征是，将建立好的训练集放入搭建好的图像纹理预测模型中进行训练时，通过预...

【技术特征摘要】

1.一种基于改进深度残差收缩网络的图像纹理预测方法，其特征是，所述方法包括以下步骤为：

2.根据权利要求1所述的图像纹理预测方法，其特征是，所述软阈值函数是一种非线性变换函数，其表达式为：

3.根据权利要求1或2所述的图像纹理预测方法，其特征是，将sigmoid函数的输出归一化到0和1之间时，批量归一化的输入为数值集合b＝{x1...m}、可训练参数γ、β，xi为数值集合b中的第i个数据，i＝1,2，…，m，m是数值集合b中的数据个数，

4.根据权利...

【专利技术属性】
技术研发人员：宋月，安治国，黄晓红，白丽娟，刘彦平，严文谨，刘丽君，刘艳丽，韩贺祝，兰兰，
申请(专利权)人：河北河钢材料技术研究院有限公司，
类型：发明
国别省市：