【技术实现步骤摘要】
所属的技术人员能够理解，本专利技术的各个方面可以实现为系统、方法或程序产品。因此，本专利技术的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。实施例2本专利技术提供一种注意力电力视觉模型优化系统，该系统能够用于实现上述注意力电力视觉模型优化方法，具体的，该注意力电力视觉模型优化系统包括识别模块、转换模块、搜索模块、评估模块以及优化模块。其中，识别模块，识别并分析现有视觉模型中的原始模块；转换模块，将得到的部分原始模块转换为注意力模块，然后构建注意力优化的视觉模型搜索空间；搜索模块，确定搜索策略，对构建的视觉模型搜索空间进行搜索，得到优化后的注意力电力视觉模型；评估模块，选取性能评估策略对得到的优化后注意力电力视觉模型进行评估；优化模块，重复直到达到终止条件，获得注意力优化后的注意力电力视觉模型。实施例3本专利技术提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执...
【技术保护点】
1.一种注意力电力视觉模型优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的注意力电力视觉模型优化方法，其特征在于，原始模块包括卷积模块和/或残差模块以及其他可转换为注意力机制的模块。
3.根据权利要求1所述的注意力电力视觉模型优化方法，其特征在于，注意力优化包括但不限于空间注意力机制、通道注意力机制、残差注意力机制，多尺度注意力机制，以及这些注意力机制的结合。
4.根据权利要求1所述的注意力电力视觉模型优化方法，其特征在于，搜索策略包括但不限于随机搜索策略、基于强化学习的策略、基于遗传算法的策略、贝叶斯优化以及基于梯度
【技术特征摘要】
1.一种注意力电力视觉模型优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的注意力电力视觉模型优化方法，其特征在于，原始模块包括卷积模块和/或残差模块以及其他可转换为注意力机制的模块。
3.根据权利要求1所述的注意力电力视觉模型优化方法，其特征在于，注意力优化包括但不限于空间注意力机制、通道注意力机制、残差注意力机制，多尺度注意力机制，以及这些注意力机制的结合。
4.根据权利要求1所述的注意力电力视觉模型优化方法，其特征在于，搜索策略包括但不限于随机搜索策略、基于强化学习的策略、基于遗传算法的策略、贝叶斯优化以及基于梯度的策略。
5.根据权利要求4所述的注意力电力视觉模型优化方法，其特征在...
【专利技术属性】
技术研发人员：杨訸，林龙，杜泽旭，
申请(专利权)人：中国电力科学研究院有限公司，
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。