买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:重庆工商大学
摘要:本发明属于鸟类图像数据流识别技术领域,具体涉及一种融合深度学习和宽度学习的野生鸟类图像数据流在线识别方法及系统,包括:获取初始野生鸟类图像数据流DS,构建初始野生鸟类图像数据集;将DS图像输入到鸟类图像特征提取模块,生成初始样本矩阵;使用初始样本矩阵训练宽度学习BLS模型,得到野生鸟类识别模块;判断是否有新的图像数据流到达或未达到预设要求;若是,计算新增增强节点数量,得到增强节点数量计算模块,使用增量数据流更新权重,得到BLS模型参数更新模块;最终输出训练完成的识别模块,并对待识别的鸟类图像进行分类识别。本发明有效解决了野生鸟类图像数据流下的识别精度和实时性问题,适用于大规模生态监测和保护。
主权项:1.融合深度学习和宽度学习的野生鸟类图像数据流在线识别方法,其特征在于,包括以下步骤:S1:获取初始时刻高速传输的野生鸟类图像数据流DS,并对DS中的图像进行标注,构建包含N个样本的初始野生鸟类图像数据集BID;S2:将步骤S1所述的DS中的图像输入到基于深度学习EfficientNet-B0的鸟类图像特征提取模块FEM,并结合BID中图像的标签数据,生成初始样本矩阵,包括一个维度为N×1280的初始样本特征P0,以及一个与P0相对应的、维度为N×1的鸟类样本标签Y0;S3:将步骤S2所述的初始样本矩阵P0和Y0输入到宽度学习系统BLS模型中进行训练,得到野生鸟类识别模块BRM;S4:判断是否有新的高速传输的鸟类图像数据流到达,或当前BLS模型的识别精度是否未达到预设要求;如果没有新的数据流到达,且模型精度已经达到要求,则输出训练完成的野生鸟类识别模型并测试其性能,跳转至步骤S7;如果有新的数据流到达,或模型精度未达预设要求,则进入步骤S5;S5:根据当前时刻t下BLS模型使用的训练样本数量Nt、增强节点个数mt和新增鸟类图像数据流的样本数量It,计算在下一时刻t+1下BLS模型新增加的增强节点数量,计算公式为得到增强节点数量计算模块CCM;S6:使用在时刻t+1到达的鸟类图像增量数据流DSt+1,更新BLS模型的连接权重Wt+1,得到BLS模型参数更新模块PUM;更新后,跳转至步骤S4继续判断是否满足条件,循环执行;S7:使用鸟类图像特征提取模块FEM对待识别的野生鸟类图像进行特征提取,生成一个高维度的样本特征向量,并将其输入到最终输出训练完成的融合深度学习EfficientNet-B0和宽度学习BLS的野生鸟类识别模块,得到预测的鸟类种类标签及其置信度,记录并输出鸟类识别结果。
全文数据:
权利要求:
百度查询: 重庆工商大学 融合深度学习和宽度学习的野生鸟类图像数据流在线识别方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。