[发明专利]一种基于深度学习的天线下倾角测量方法在审
| 申请号： | 201811538747.7 | 申请日： | 2018-12-14 |
| 公开（公告）号： | CN109870138A | 公开（公告）日： | 2019-06-11 |
| 发明（设计）人： | 邓文博;翟懿奎;柯琪锐;伍月婷;徐颖;王天雷;甘俊英;吴细;陈丽燕 | 申请（专利权）人： | 五邑大学 |
| 主分类号： | G01C9/00 | 分类号： | G01C9/00;G01B21/22;G06T7/00;G06T7/60;G06K9/62 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 梁嘉琦 |
| 地址： | 529000 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的天线下倾角测量方法，包括以下步骤：建立天线数据库并进行量化处理；天线图片输入到深度神经网络，并进入特征提取网络以获取天线特征图像；天线图片进入SE表征增强网络有选择性地加强包含有用特征并抑制无用特征；天线图片进入目标识别网络对天线进行识别候选并得到天线下倾角角度；其中SE表征增强网络设有压缩激励单元对通道间的依赖关系进行建模，并自适应的调整各通道的特征响应值。通过对天线图片进行深度学习网络的处理得到天线下倾角角度，建立一种方便、安全、有效、准确的天线测量方法。 | ||
| 搜索关键词： | 天线下倾角 天线 网络 测量 天线数据库 激励单元 量化处理 目标识别 神经网络 识别候选 特征提取 特征响应 天线测量 天线特征 图片输入 依赖关系 自适应 建模 学习 图片 图像 压缩 安全 | ||
【主权项】：
1.一种基于深度学习的天线下倾角测量方法，其特征在于，包括以下步骤：建立天线数据库并进行量化处理；天线图片输入到深度神经网络，并进入特征提取网络以获取天线特征图像；天线图片进入SE表征增强网络有选择性地加强包含有用特征并抑制无用特征；天线图片进入目标识别网络对天线进行识别候选并得到天线下倾角角度；其中SE表征增强网络设有压缩激励单元对通道间的依赖关系进行建模，并自适应的调整各通道的特征响应值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于五邑大学，未经五邑大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811538747.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种可回收式多点实时测斜装置
- 下一篇：三维测量尺
