资料下载
×
基于空间/通道注意力机制的化学结构图像识别方法
消耗积分:0 |
格式:pdf |
大小:1.53 MB |
2021-03-22
分享资料个
基于传统图像处理技术与流水线方式的化学结构图像识别方法通常依赖于人工设计的特征，导致识别准确率较低。针对该问题，提岀一种基于空间注意力机制与通道注意力机制的化学结构图像识别方法。将化学结构识别视为序列生成任务，采用卷积神经网络（CNN）与长短期记忆（LSTM）网络相结合的深度神经网络模型实现化学结构图像到 SMILES序列的转换。该深度神经网络模型由编码和解码两部分组成，编码部分使用CNN提取化学结构图像特征，解码部分融合双路注意力机制与LSTM网络生成 SMILES序列。实验结果表明，该方法在BeamSize为3的情况下，识别准确率和BLEU4值分别为81.63%和0，937，明显优于无注意力机制和单注意力机制的化学结构图像识别方法。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
