[發明專利]一種基于改進的卷積神經網絡的鳥類識別方法

有效

• 申請號: 201811091554.1
• 申請日: 2018-09-18
• 公開（公告）號: CN109460774B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 鄒臘梅;熊紫華;張松偉;李長峰;李曉光;陳婷;楊衛東
• 申請（專利權）人: 華中科技大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智;曹葆青

1.一種基于改進的卷積神經網絡的鳥類識別方法，其特征在于，包括：

利用鳥類識別器對待識別的鳥類圖像進行識別，得到待識別的鳥類圖像的鳥類類別；所述鳥類識別器的訓練包括：

(1)構建樣本鳥類圖像的數據集；

(2)在卷積神經網絡的ResNet50輸入層之后增加BN層，在5層卷積層之后增加2層卷積層，最后一層卷積層使用1x1的卷積核，在FC層之前增加Dropout層，得到改進的卷積神經網絡；

(3)利用樣本鳥類圖像的數據集訓練改進的卷積神經網絡，得到鳥類識別器；

所述步驟(3)包括：

(3.1)將數據集劃分為訓練集和驗證集，采用水平翻轉、[-5°,5°]的角度隨機旋轉、[-5,5]個像素水平平移的方式對訓練集進行增強，驗證集不采取任何增強措施；

(3.2)使用數據集對改進的卷積神經網絡進行預訓練，得到初始網絡參數，利用初始網絡參數對改進的卷積神經網絡進行參數初始化；

(3.3)對改進的卷積神經網絡的前4層卷積層的參數進行凍結，使用SGD優化器對余下層進行參數更新，并將L2正則化系數設置為e^-4，利用增強的訓練集訓練改進的卷積神經網絡，利用驗證集進行驗證，訓練N輪后，得到鳥類識別器；

所述樣本鳥類圖像的數據集中同一種類別的樣本鳥類圖像具有不同的背景和不同的姿態。

2.如權利要求1所述的一種基于改進的卷積神經網絡的鳥類識別方法，其特征在于，所述背景包括：海面、森林、天空和草地。

3.如權利要求1所述的一種基于改進的卷積神經網絡的鳥類識別方法，其特征在于，所述姿態包括：行走、站立、跳躍和覓食。

4.如權利要求1-3任一所述的一種基于改進的卷積神經網絡的鳥類識別方法，其特征在于，所述2層卷積層的卷積核依次為3x3和1x1。