[發(fā)明專利]一種基于遷移學(xué)習(xí)的動物個體識別方法及裝置

在審

• 申請?zhí)枺?/td>: 202210411457.6
• 申請日: 2022-04-19
• 公開（公告）號: CN114842505A
• 公開（公告）日: 2022-08-02
• 發(fā)明（設(shè)計）人: 楊穎;吳瀟;劉剛
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)大學(xué)
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06N3/04;G06V10/774
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 吳勇濤

1.一種基于遷移學(xué)習(xí)的動物個體識別方法，其特征在于，包括：

獲取待識別動物的目標圖像；

對所述目標圖像進行預(yù)處理，得到預(yù)處理圖像；

對原始ResNet34網(wǎng)絡(luò)模型進行改進，獲取改進型ResNet34網(wǎng)絡(luò)模型，所述改進型ResNet34網(wǎng)絡(luò)模型的初始模型參數(shù)通過遷移學(xué)習(xí)獲得；

將所述預(yù)處理圖像輸入至預(yù)先訓(xùn)練的改進型ResNet34網(wǎng)絡(luò)模型，得到所述待識別動物的個體識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于遷移學(xué)習(xí)的動物個體識別方法，其特征在于，所述對原始ResNet34網(wǎng)絡(luò)模型進行改進，獲取改進型ResNet34網(wǎng)絡(luò)模型，包括：

通過刪減預(yù)設(shè)數(shù)量的中間網(wǎng)絡(luò)層，簡化所述原始ResNet34網(wǎng)絡(luò)模型中的殘差單元，以得到改進型ResNet34網(wǎng)絡(luò)模型。

3.根據(jù)權(quán)利要求2所述的基于遷移學(xué)習(xí)的動物個體識別方法，其特征在于，所述對原始ResNet34網(wǎng)絡(luò)模型進行改進，獲取改進型ResNet34網(wǎng)絡(luò)模型，還包括：

將所述原始ResNet34網(wǎng)絡(luò)模型的原始全連接層改進為目標全連接層，所述目標全連接層包括第一全連接層和第二全連接層；所述第一全連接層設(shè)置有Dropout函數(shù)。

4.根據(jù)權(quán)利要求1所述的基于遷移學(xué)習(xí)的動物個體識別方法，其特征在于，所述改進型ResNet34網(wǎng)絡(luò)模型的初始模型參數(shù)通過遷移學(xué)習(xí)獲得，包括：

獲取ImageNet數(shù)據(jù)集和預(yù)訓(xùn)練網(wǎng)絡(luò)模型；

利用所述ImageNet數(shù)據(jù)集對所述預(yù)訓(xùn)練網(wǎng)絡(luò)模型進行訓(xùn)練，得到目標預(yù)訓(xùn)練網(wǎng)絡(luò)模型；

獲取所述目標預(yù)訓(xùn)練網(wǎng)絡(luò)模型的預(yù)訓(xùn)練參數(shù)；

基于所述遷移學(xué)習(xí)，將所述預(yù)訓(xùn)練參數(shù)遷移至所述改進型ResNet34網(wǎng)絡(luò)模型，得到所述初始模型參數(shù)。

5.根據(jù)權(quán)利要求1所述的基于遷移學(xué)習(xí)的動物個體識別方法，其特征在于，所述對所述目標圖像進行預(yù)處理，得到預(yù)處理圖像，包括：

對所述目標圖像依次進行裁剪、水平翻轉(zhuǎn)、歸一化以及標準化處理，得到所述預(yù)處理圖像。

6.根據(jù)權(quán)利要求1-5任一項所述的基于遷移學(xué)習(xí)的動物個體識別方法，其特征在于，所述將所述預(yù)處理圖像輸入至預(yù)先訓(xùn)練的改進型ResNet34網(wǎng)絡(luò)模型，得到所述待識別動物的個體識別結(jié)果，之前還包括：

獲取所述待識別動物的訓(xùn)練數(shù)據(jù)集；

根據(jù)所述訓(xùn)練數(shù)據(jù)集，訓(xùn)練所述改進型ResNet34網(wǎng)絡(luò)模型至收斂。

7.一種基于遷移學(xué)習(xí)的動物個體識別裝置，其特征在于，包括：

目標圖像獲取模塊，用于獲取待識別動物的目標圖像；

圖像預(yù)處理模塊，用于對所述目標圖像進行預(yù)處理，得到預(yù)處理圖像；

網(wǎng)絡(luò)模型獲取模塊，用于對原始ResNet34網(wǎng)絡(luò)模型進行改進，獲取改進型ResNet34網(wǎng)絡(luò)模型，所述改進型ResNet34網(wǎng)絡(luò)模型的初始模型參數(shù)通過遷移學(xué)習(xí)獲得；

動物個體識別模塊，用于將所述預(yù)處理圖像輸入至預(yù)先訓(xùn)練的改進型ResNet34網(wǎng)絡(luò)模型，得到所述待識別動物的個體識別結(jié)果。

8.一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1至6任一項所述基于遷移學(xué)習(xí)的動物個體識別方法的步驟。

9.一種非暫態(tài)計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至6任一項所述基于遷移學(xué)習(xí)的動物個體識別方法的步驟。

10.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至6任一項所述基于遷移學(xué)習(xí)的動物個體識別方法的步驟。