[發明專利]一種基于加權融合模型的鳥類分類方法及系統

在審

• 申請號: 202110161908.0
• 申請日: 2021-02-05
• 公開（公告）號: CN112766413A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 吳鵬;易曉梅;章林焓
• 申請（專利權）人: 浙江農林大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 寧波市鄞州盛飛專利代理事務所(特殊普通合伙) 33243
• 代理人: 龍洋;洪珊珊

1.一種基于加權融合模型的鳥類分類方法，其特征在于，包括步驟：

S1、通過預設方式獲取鳥類圖像；

S2、將獲取的鳥類圖像經過預設訓練模型進行鳥類識別；

S3、根據鳥類識別的結果，將所述鳥類圖像分入對應的類別中，得到鳥類分類結果。

2.根據權利要求1所述的一種基于加權融合模型的鳥類分類方法，其特征在于，步驟S2中獲得所述預設訓練模型的步驟包括：

S21、通過預設方式獲取不同鳥類的圖像，并建立數據集；

S22、將所述數據集中的鳥類圖像進行圖像增強處理；

S23、根據圖像增強處理后的鳥類圖像對預設加權融合模型進行訓練，并得到預設訓練模型。

3.根據權利要求2所述的一種基于加權融合模型的鳥類分類方法，其特征在于，步驟S23中得到所述預設加權融合模型的步驟包括：

S231、根據圖像增強處理后的鳥類圖像對VGG特征提取模型進行訓練；

S232、根據圖像增強處理后的鳥類圖像對ResNet特征提取模型進行訓練；

S233、將所述VGG特征提取模型和所述ResNet特征提取模型根據預設加權平均的模型融合算法得到所述預設加權融合模型。

4.根據權利要求2所述的一種基于加權融合模型的鳥類分類方法，其特征在于，對預設加權融合模型進行訓練的步驟包括：

A1、對ImageNet預訓練的網絡模型VGG和ResNet進行初始化，并屏蔽預訓練的網絡模型的權重；

A2、初始化權重、訓練次數及權重增加步長；

A3、按照權重記錄訓練后訓練集和驗證集結果，通過權重增加步長不斷調整兩個特征提取模型的權重，直至完成訓練，并將其中正確率最高的模型權重作為預設加權融合模型的最終權重。

5.根據權利要求2所述的一種基于加權融合模型的鳥類分類方法，其特征在于，步驟S2中獲得所述預設訓練模型的步驟還包括：

S24、通過預設優化器對得到的所述預設訓練模型進行算法優化。

6.一種基于加權融合模型的鳥類分類系統，其特征在于，包括：

圖像獲取模塊，用于通過預設方式獲取鳥類圖像；

圖像識別模塊，用于將獲取的鳥類圖像經過預設訓練模型進行鳥類識別，

圖像分類模塊，用于根據鳥類識別的結果＝將所述鳥類圖像分入對應的類別中，得到鳥類分類結果。

7.根據權利要求6所述的一種基于加權融合模型的鳥類分類系統，其特征在于，所述圖像識別模塊包括：

數據集獲取單元，用于通過預設方式獲取不同鳥類的圖像，并建立數據集；

圖像增強單元，用于將所述數據集中的鳥類圖像進行圖像增強處理；

訓練單元，用于根據圖像增強處理后的鳥類圖像對預設加權融合模型進行訓練，并得到預設訓練模型。

8.根據權利要求7所述的一種基于加權融合模型的鳥類分類系統，其特征在于，所述訓練單元包括：

第一特征提取子單元，用于根據圖像增強處理后的鳥類圖像對VGG特征提取模型進行訓練；

第二特征提取子單元，用于根據圖像增強處理后的鳥類圖像對ResNet特征提取模型進行訓練；

融合子單元，用于將所述VGG特征提取模型和所述ResNet特征提取模型根據預設加權平均的模型融合算法得到所述預設加權融合模型。

9.根據權利要求7所述的一種基于加權融合模型的鳥類分類系統，其特征在于，所述圖像識別模塊還包括：

優化單元，用于通過預設優化器對得到的所述預設訓練模型進行算法優化。