原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于卷积神经网络和双向长短期记忆的插针定位方法，该方法通过采用VGG‑16网络从图像中提取边缘点特征；然后开发一个转换模块以生成序列信息，并采用双向LSTM来增强模型的抗噪能力；最后，采用完全连接层来输出最终的预测结果。接插件图像中的噪声和低分辨率是影响插针定位的两个关键因素。通过使用深度学习进行插针图像的边缘提取和插针的定位，利用卷积神经网络对图像的边缘特征进行提取，能最大限度的保证低分辨率图像边缘信息的充分利用，更能准确的定位插针的边缘位置。双向LSTM具有根据上下文的信息处
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113392850 A
(43)申请公布日
2021.09.14
(21)申请号 20201
文档评论（0）