[發(fā)明專利]基于GoogLeNet網(wǎng)絡(luò)模型鳥類種群識別分析方法有效
| 申請?zhí)枺?/td> | 201710798317.8 | 申請日: | 2017-09-06 |
| 公開(公告)號: | CN107729363B | 公開(公告)日: | 2021-08-17 |
| 發(fā)明(設(shè)計)人: | 蔣興浩;孫錟鋒;許可 | 申請(專利權(quán))人: | 上海交通大學(xué) |
| 主分類號: | G06F16/51 | 分類號: | G06F16/51;G06N3/04;G06N3/08 |
| 代理公司: | 上海漢聲知識產(chǎn)權(quán)代理有限公司 31236 | 代理人: | 郭國中 |
| 地址: | 200240 *** | 國省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 googlenet 網(wǎng)絡(luò) 模型 鳥類 種群 識別 分析 方法 | ||
1.一種基于GoogLeNet網(wǎng)絡(luò)模型鳥類種群識別分析方法,其特征在于,包括如下步驟:
步驟S1,建立訓(xùn)練圖片樣本數(shù)據(jù)庫,得到用于訓(xùn)練GoogLeNet網(wǎng)絡(luò)模型的樣本數(shù)據(jù)庫;
步驟S2,用不同種類圖片樣本訓(xùn)練GoogLeNet網(wǎng)絡(luò)模型,得到用于判別是否為鳥類圖片的GoogLeNet網(wǎng)絡(luò)a;
步驟S3,用不同種類鳥類圖片訓(xùn)練GoogLeNet網(wǎng)絡(luò)模型,得到用于精確判別鳥類種類的GoogLeNet網(wǎng)絡(luò)b;
步驟S4,對實時輸入的待識別視頻解幀成待識別圖片流;
步驟S5,對步驟S4中得到的圖片流中的每一幀圖片,依次輸入GoogLeNet網(wǎng)絡(luò)a,判別是否為鳥類圖片;
步驟S6,若步驟S5中判斷為是,則將該圖片輸入GoogLeNet網(wǎng)絡(luò)b,識別得到圖片包含的鳥類種類;
步驟S7,步驟S4中圖片流經(jīng)步驟S5~步驟S6的兩次識別后得到圖片識別結(jié)果流,并從圖片識別結(jié)果流中輸出最終識別結(jié)果;
所述步驟S1包括如下步驟:
步驟S1.1,用MySQL制作樣本管理工具建立包含不同種類圖片的樣本數(shù)據(jù)庫a;
步驟S1.2,用MySQL制作樣本管理工具建立包含不同種類鳥類圖片的樣本數(shù)據(jù)庫b;
所述步驟S7包括如下步驟:
步驟S7.1,從圖片識別結(jié)果流中依次取連續(xù)5幀圖片的識別結(jié)果;
步驟S7.2,統(tǒng)計5幀結(jié)果中出現(xiàn)鳥類的種類及鳥類種類出現(xiàn)的頻次,得到出現(xiàn)頻次最多的鳥類種類,作為此5幀的鳥類識別結(jié)果;
步驟S7.3,判斷步驟S7.2中得到的識別結(jié)果與前5幀得到的識別結(jié)果是否相同,若相同則返回步驟S7.1和步驟S7.2,若不同則更新顯示結(jié)果;
步驟S7.4,重復(fù)步驟S7.1~步驟S7.3,直至圖片識別結(jié)果流中沒有未讀取的識別結(jié)果為止。
2.如權(quán)利要求1所述的基于GoogLeNet網(wǎng)絡(luò)模型鳥類種群識別分析方法,其特征在于,所述步驟S1.1和S1.2中,建立樣本數(shù)據(jù)庫a和樣本數(shù)據(jù)庫b均包括如下步驟:
步驟a,用MySQL制作能夠?qū)崿F(xiàn)建立、管理用戶數(shù)據(jù)庫功能的樣本管理工具;
步驟b,在樣本管理工具中新建圖片數(shù)據(jù)庫;
步驟c,在新建圖片數(shù)據(jù)庫中新建圖片類別;
步驟d,錄入圖片樣本記錄,每個圖片樣本記錄均包括樣本ID、樣本名稱和樣本路徑;
其中,樣本數(shù)據(jù)庫a包含多種鳥類和非鳥類類型的圖片;樣本數(shù)據(jù)庫b包含多種不同種類的鳥類圖片。
3.如權(quán)利要求2所述的基于GoogLeNet網(wǎng)絡(luò)模型鳥類種群識別分析方法,其特征在于,所述步驟S2包括如下步驟:
步驟S2.1,從樣本數(shù)據(jù)庫a中讀出圖片樣本記錄;
步驟S2.2,以圖片樣本作為訓(xùn)練數(shù)據(jù),以樣本ID作為標(biāo)簽,訓(xùn)練GoogLeNet網(wǎng)絡(luò)模型。
4.如權(quán)利要求2所述的基于GoogLeNet網(wǎng)絡(luò)模型鳥類種群識別分析方法,其特征在于,所述步驟S3包括如下步驟:
步驟S3.1,從樣本數(shù)據(jù)庫b中讀出圖片樣本記錄;
步驟S3.2,以圖片樣本作為訓(xùn)練數(shù)據(jù),以樣本ID作為標(biāo)簽,訓(xùn)練GoogLeNet網(wǎng)絡(luò)模型。
5.如權(quán)利要求1所述的基于GoogLeNet網(wǎng)絡(luò)模型鳥類種群識別分析方法,其特征在于,所述步驟S4中,用openCV工具將實時輸入的待識別視頻解幀成待識別圖片流。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海交通大學(xué),未經(jīng)上海交通大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710798317.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種基于深度學(xué)習(xí)的圖像哈希編碼方法
- 基于GoogLeNet網(wǎng)絡(luò)模型鳥類種群識別分析方法
- 基于卷積神經(jīng)網(wǎng)絡(luò)模型GoogleNet的玉米葉片病害識別方法
- 一種針對GoogLeNet模型的加速器及其方法
- 基于知識遷移學(xué)習(xí)的航拍電力部件圖像的分類方法
- 一種基于卷積神經(jīng)網(wǎng)絡(luò)的匣缽篩分檢測方法
- 一種睡眠自動分期方法、系統(tǒng)、介質(zhì)及電子設(shè)備
- 基于Radon變換與機器學(xué)習(xí)的視頻合成孔徑雷達動目標(biāo)亮線檢測方法
- 一種基于GoogLeNet的紅外圖像識別方法
- 一種基于GoogLeNet網(wǎng)絡(luò)的醫(yī)學(xué)圖像分類方法
- 網(wǎng)絡(luò)和網(wǎng)絡(luò)終端
- 網(wǎng)絡(luò)DNA
- 網(wǎng)絡(luò)地址自適應(yīng)系統(tǒng)和方法及應(yīng)用系統(tǒng)和方法
- 網(wǎng)絡(luò)系統(tǒng)及網(wǎng)絡(luò)至網(wǎng)絡(luò)橋接器
- 一種電力線網(wǎng)絡(luò)中根節(jié)點網(wǎng)絡(luò)協(xié)調(diào)方法和系統(tǒng)
- 一種多網(wǎng)絡(luò)定位方法、存儲介質(zhì)及移動終端
- 網(wǎng)絡(luò)裝置、網(wǎng)絡(luò)系統(tǒng)、網(wǎng)絡(luò)方法以及網(wǎng)絡(luò)程序
- 從重復(fù)網(wǎng)絡(luò)地址自動恢復(fù)的方法、網(wǎng)絡(luò)設(shè)備及其存儲介質(zhì)
- 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、裝置及存儲介質(zhì)
- 網(wǎng)絡(luò)管理方法和裝置





