[發明專利]基于RFBNet算法的生態生物識別方法

在審

• 申請號: 202210555087.3
• 申請日: 2022-05-19
• 公開（公告）號: CN115147707A
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 楊志峰;沈永明;張遠;蔡宴朋
• 申請（專利權）人: 瀾途集思生態科技集團有限公司
• 主分類號: G06V20/05
• 分類號: G06V20/05;G06V10/82;G06V10/764;G06V10/30;G06N3/08;G06N3/04;G06F16/583
• 代理公司: 北京市京師律師事務所 11665
• 代理人: 黃熊

1.基于RFBNet算法的生態生物識別方法，其特征在于，包括如下步驟：

S1發起生態生物識別請求，根據請求在生態環境中采集生物圖像；

S2對采集的生物圖像進行優化處理，得到優化處理后的生物圖像；

S3收集生態生物特征，將收集的生態特征進行分類，并建立生態特征數據庫；

S4通過RFBNet算法對處理后的生物圖像數據進行目標檢測；

S41通過連接多個分支的conv操作，獲得多個尺度的RFs；

S42基于RFs的不同尺度，使用不同的卷積核，設計多分支的conv、pooling；

S43通過蟲洞卷積dilated conv來控制感受野的離心率，最后一步reshape操作后，形成生成的特征；

S5將生物圖像形成的特征與生態特征數據庫中的特征數據進行對比識別。

2.根據權利要求1所述的基于RFBNet算法的生態生物識別方法，其特征在于，所述步驟S42每個分支上使用不同尺度的常規卷積和蟲洞卷積，通過常規卷積的不同卷積核尺度來模擬pRFs中的不同感受野，各個分支上通過各自dilated conv所得到的離心率，來模擬pRF的尺度與離心率的比例。

3.根據權利要求1所述的基于RFBNet算法的生態生物識別方法，其特征在于，所述步驟S1具體為：先1×1conv降低feature map通道數，在每個分支上形成bottleneck結構，再接常規n×n conv；并替換5×5conv為兩個堆疊的3×3conv，進一步使用1×n+n×1conv替換原始n×n conv。

4.根據權利要求1所述的基于RFBNet算法的生態生物識別方法，其特征在于，所述步驟S4在每個分支中使用bottleneck結構，先使用1x1卷積層減少通道數之后再去做nxn的卷積。

5.根據權利要求1所述的基于RFBNet算法的生態生物識別方法，其特征在于，所述步驟S2對采集的生物圖像數據進行優化求精，包括：將生物圖像進行拆分，剔除無用數據信息，并將有用數據信息進行歸類融合。

6.根據權利要求1所述的基于RFBNet算法的生態生物識別方法，其特征在于，所述步驟S2采集生物圖像通過對像進行降維處理，降維處理有效去除冗余信息，提取有用特征。

7.根據權利要求1所述的基于RFBNet算法的生態生物識別方法，其特征在于，所述采集的生物圖像數據進去噪處理，得到去噪生物圖像。

8.根據權利要求1所述的基于RFBNet算法的生態生物識別方法，其特征在于，所述步驟S5將識別成功結果進行發送提示信息，并將生物圖像視覺特征存儲至生態特征數據庫中。