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
本发明公开一种基于深度学习的鱼类活跃程度识别模型构建方法，是将3D卷积分解成2D空间卷积和1D时间卷积，2D空间卷积核增大到17×17，并使用5×5卷积核进行重参数化，为模型提供了足够大的感受野和更好的聚合空间信息能力，使模型在特征提取时更加准确，进而提升识别精度，识别精度从41.75％提高到66.99％；同时减少了时空模块的数量，从而大幅度减少参数量，实现了模型轻量化。另外，在时空模块后增加了卷积前馈网络，增加了网络深度，进而提升了模型的表示能力，以达到模型增加更多非线性和跨通道信息交流的目的
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116824435 A
(43)申请公布日 2023.09.29
(21)申请号 202310545150.X G06N 3/08 (2023.01)
(22)申请日 2023.05.1
文档评论（0）