一种非结构化数据的存储、迁移和识别方法

    公开(公告)号:CN116627320A

    公开(公告)日:2023-08-22

    申请号:CN202310374828.2

    申请日:2023-04-10

    摘要: 本发明属于非结构化数据处理技术领域,具体的说是一种非结构化数据的存储、迁移和识别方法,所述方法包括以下步骤:S1:获取非结构化数据,为非结构化数据建立索引标签,并将索引标签保存到引导分区中;S2:对已经建立索引标签的非结构化数据进行分析,确定并拆分非结构化数据中相同的部分以及不同的部分,将拆分后的非结构化数据保存在存储区中;S3:将非结构化数据拆分后相同的部分保存在存储区中的冗余分区中,将非结构化数据拆分后不相同的部分保存在存储区中的总存储区中;本发明可对非结构化数据进行分析后分类合并存储,提高数据的存储压缩效率,以及便于数据的识别和迁移。

    一种基于改进残差网络的图像分类方法、设备和存储介质

    公开(公告)号:CN114782737A

    公开(公告)日:2022-07-22

    申请号:CN202210295560.9

    申请日:2022-03-24

    摘要: 本发明涉及一种基于改进残差网络的图像分类方法,包括以下步骤:收集原始图像作为训练数据;对训练数据进行预处理;构建图像分类模型,图像分类模型以残差网络作为主干网络,在残差网络中的每个Conv Block中增加CBAM卷积注意力模块,在Idenfify Block中增加SE激励模块;CBAM卷积注意力模块基于注意力机制对输入特征进行特征提取,所述SE激励模块对每个通道的重要性进行预测,并对输入特征的对应通道进行激励,识别图像不同局部区域的重要程度;利用预处理后的训练数据对所述图像分类模型进行训练;利用训练好的图像分类模型进行图像分类;本发明在残差网络中增加了注意力模块和激励模块,使得分类的召回率、准确率大幅度提升,同时解决细粒度的图像分类任务问题。