[發明專利]一種基于深度學習的植物線蟲數據自動標注和分類識別方法

在審

• 申請號: 202011175736.4
• 申請日: 2020-10-28
• 公開（公告）號: CN112308129A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 莊佳衍;劉陽明;肖江劍;徐寧遠;朱瑩
• 申請（專利權）人: 中國科學院寧波材料技術與工程研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京利豐知識產權代理事務所(特殊普通合伙) 32256
• 代理人: 艾中蘭;王鋒

1.一種基于深度學習的植物線蟲數據自動標注和分類識別方法，其特征在于，利用少量人工標注的植物線蟲圖像訓練深度學習網絡，并在深度學習網絡中添加注意力損失從而強化植物線蟲標注區域，再將模型的網絡權重用于標注大量非人工標注的植物線蟲圖像數據，通過數次的植物線蟲圖像數據標注和訓練過程，完成植物線蟲識別項目數據集的自動標注，同時得到與此植物線蟲識別項目對應的強化模型。

2.根據權利要求1所述的一種基于深度學習網絡的植物線蟲數據自動標注和分類識別方法，其特征在于包括如下步驟：

步驟(1)：建立植物線蟲識別項目所要標注的圖片數據集

采集一系列植物線蟲的圖像，對不同種類的植物線蟲數據進行分組，并從每一組植物線蟲數據中隨機篩選出相同數目的圖片組成一組，利用標注工具對該組植物線蟲圖像的尾部區域進行標注，作為初始的訓練數據集；

步驟(2)：對深度學習網絡進行改進

利用步驟(1)利用得到的初始訓練數據集，對深度學習網絡進行訓練，在深度學習網絡中添加注意力損失，針對植物線蟲標注區域進行加強，使得深度學習網絡著重對標注區域進行學習和訓練，得到訓練模型；

步驟(3)：基于訓練模型進行重復標注訓練

利用訓練模型自動標注剩余圖片，人工修正錯誤的標注結果，并將修正后的圖片加入到網絡的訓練集中訓練，重復訓練修正過程，從而完成所有數據的標注并得到整個植物線蟲數據集的智能標注模型；

步驟(4)：基于標注數據的植物線蟲分類識別

利用步驟(3)得到的標注完成的植物線蟲數據集，對深度學習分類網絡進行訓練，從而得到整個植物線蟲數據集分類識別的強化模型。

3.根據權利要求1或2所述的一種基于深度學習網絡的植物線蟲數據自動標注方法，其特征在于，所述少量人工標注的植物線蟲圖像指的是植物線蟲數據集中選取的一組圖像數據，大量非人工標注的植物線蟲圖像數據指的是除人工標注外的其余圖像數據。

4.根據權利要求1或2所述的一種基于深度學習網絡的植物線蟲數據自動標注方法，其特征在于在深度學習網絡中添加注意力損失指的是：針對植物線蟲數據標注部分，在計算損失函數時加大該部分權重，強化深度學習網絡對該部分區域的學習。

5.根據權利要求1或2所述的一種基于深度學習網絡的植物線蟲數據自動標注和分類識別方法，其特征在于；

智能標注模型指所有植物線蟲數據加入到含有注意力損失的深度學習網絡中訓練得到的標注模型；

強化模型指所有標注好的植物線蟲數據加入到深度學習分類網絡中訓練得到的植物線蟲分類識別模型。

6.根據權利要求4所述的一種基于深度學習網絡的植物線蟲數據自動標注方法，其特征在于針對植物線蟲數據標注部分，在計算損失函數時加大該部分權重，計算公式如下：

Loss＝loss+λ·loss_attention

其中，Loss為深度學習網絡總體損失函數，loss_attention為針對數據標注部分的損失函數，loss為深度學習網絡其余部分損失函數，λ表示權重，范圍在1∶1-10∶1之間。