基于深度学习的鱼类细粒度分类方法
专利汇可以提供基于深度学习的鱼类细粒度分类方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于 深度学习 的鱼类细粒度分类方法，包括将获取的图像进行预处理，使用 深度神经网络 进行特征提取，构建特征金字塔网络进行区域提议，对提议出的区域进行裁剪和特征提取，随后一方面利用提取出的特征做一次分类，将该分类的准确率作为监督 信号 输入到区域提议网络，另一方面将该特征与全图特征融合送入全连接层做分类，输出最终的分类结果。本发明解决了现有物体分类技术在做细粒度分类任务时，由于环境复杂、类别间细微的类间差异和较大的类内差异造成的准确率较低的问题，该方法在复杂背景下对鱼类图像进行细粒度分类时，识别时间短，识别准确率高，无需额外标签信息，适宜于推广应用。，下面是基于深度学习的鱼类细粒度分类方法专利的具体信息内容。
1.一种基于深度学习的鱼类细粒度分类方法，包括以下步骤：
S1：将获取的拍摄图像进行预处理；
S2：使用深度神经网络对预处理后的图像进行特征提取，利用可变卷积为深度神经网络中的卷积层选取合适的采样点，得到特征图；
S3：构建特征金字塔网络作为区域提议网络，在该网络中的每一个特征尺度上设置锚，将步骤S2输出的特征图输入特征金字塔网络，计算每一个锚对应的局部区域的信息量；
S4：取信息量最大的至少四个局部区域进行上采样，输入步骤S2中的深度神经网络，对提取出的区域进行特征提取，输出特征图；
S5：将步骤S2与步骤S4中输出的特征图连接在一起，使用全连接层进行类别的预测，利用标签信息计算损失函数并反向传播，更新区域提议网络参数；
S6：使用搜集好的训练数据集训练出步骤S1到步骤S5构建的网络模型的网络权重参数，采用训练好网络权重参数的网络模型对图像进行分类，输出结果。
2.根据权利要求1所述的基于深度学习的鱼类细粒度分类方法，其特征在于，将步骤S4输出的特征图输入全连接层，对输入图像的类别进行预测，计算深度神经网络对正确类别的信息量并降序排列，通过区域提议网络的损失函数促使步骤S3中的区域的排序与此处的排序顺序一致，为区域提议网络提供监督信号。
3.根据权利要求1所述的基于深度学习的鱼类细粒度分类方法，其特征在于，在步骤S1中，预处理的具体步骤包括：
S1.1：采用双边线性插值将原始图像的尺寸调整到600*600；
S1.2：从插值后的图像中随机裁剪出448*448的图像块；
S1.3：对步骤S1.2得到的图像进行z-score标准化。
4.根据权利要求1所述的基于深度学习的鱼类细粒度分类方法，其特征在于，步骤S2的具体步骤包括：
S2.1：在深度神经网络resnet-50中的第五个卷积模块的a，b，c三个卷积层的前端分别加入一个卷积层，该卷积层对上一层输出的特征图做卷积操作，输出特征图上每个采样点对应的偏移量，在第五个卷积模块的a，b，c三个卷积层中的采样点为原采样点经偏移后的位置；
S2.2：在确定了采样点的偏移量后，第五个卷积模块的a，b，c三个卷积层输出的特征图上的每一个点的值由公式 计算，式中，x为输入的特征图，
y为输出的特征图，R为普通卷积的感受野，p0是输出特征图上的点，pn为普通卷积上的采样点，Δpn为偏移量，w(pn)为采样点上的权重。
5.根据权利要求1所述的基于深度学习的鱼类细粒度分类方法，其特征在于，步骤S3的具体步骤包括：
经步骤S2输入图像被32倍降采样，输出的特征图大小为14*14，在特征金字塔网络中自底向上采用三层3*3的卷积层，步长分别为1、2、2，由此产生14*14、7*7和4*4三个特征尺度，与之对应，锚的尺寸分别取48、96和192，在每个尺度上锚的长宽比取值为1：1，2：3和3：2，横向连接采用1*1的卷积层。
6.根据权利要求1所述的基于深度学习的鱼类细粒度分类方法，其特征在于，步骤S4的具体步骤包括：
S4.1：依据步骤S3输出的每个锚的信息量筛选出信息量最大的至少四个局部区域，采用双边线性插值将局部图像的尺寸调整至224*224；
S4.2：将步骤S4.1输出的局部图像输入到resnet-50网络中做特征提取，输出特征图。
7.根据权利要求2所述的基于深度学习的鱼类细粒度分类方法，其特征在于，为区域提议提供监督信号的具体步骤包括：
首先，将特征图输入全连接层，输出类别与信息度，将分类类别与标签一致的输出按照信息量大小降序排列；
其次，定义区域提议网络的损失函数为 式中，I表示步骤S3输
出的信息量，C表示全连接层输出的信心度，f(x)为非增函数，定义f(x)＝max(1-x,0)，这样促使区域提议中认为的信息量大的区域用于分类时能够正确分类，且分类信息量大，由此在不添加额外标签信息的情况下为区域提议网络提供弱监督信号。
基于深度学习的鱼类细粒度分类方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种引入对抗训练的基于内容的实例检索方法 | 2021-01-08 | 2 |
| 一种基于人工智能的消化内镜检查质量自动评估方法和系统 | 2021-04-02 | 2 |
| 一种面向嵌入式应用的深度对抗网络优化方法 | 2022-12-14 | 1 |
| 一种基于改进卷积神经网络的焊缝缺陷识别方法 | 2022-09-21 | 1 |
| 卷积神经网络压缩方法及人脸检测方法 | 2022-10-24 | 0 |
| 一种面向智慧社区的多摄像机联动多目标追踪方法及系统 | 2020-09-04 | 0 |
| 一种实现神经网络模型的装置及方法 | 2023-06-24 | 0 |
| 神经网络分类 | 2020-09-03 | 1 |
| 一种无切分的脱机手写汉字文本识别方法 | 2023-07-25 | 0 |
| 关键点检测、图像处理方法、装置、电子设备及存储介质 | 2020-05-27 | 1 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
