[发明专利]一种基于加权融合模型的鸟类分类方法及系统

权利要求书

1.一种基于加权融合模型的鸟类分类方法，其特征在于，包括步骤：

S1、通过预设方式获取鸟类图像；

S2、将获取的鸟类图像经过预设训练模型进行鸟类识别；

S3、根据鸟类识别的结果，将所述鸟类图像分入对应的类别中，得到鸟类分类结果。

2.根据权利要求1所述的一种基于加权融合模型的鸟类分类方法，其特征在于，步骤S2中获得所述预设训练模型的步骤包括：

S21、通过预设方式获取不同鸟类的图像，并建立数据集；

S22、将所述数据集中的鸟类图像进行图像增强处理；

S23、根据图像增强处理后的鸟类图像对预设加权融合模型进行训练，并得到预设训练模型。

3.根据权利要求2所述的一种基于加权融合模型的鸟类分类方法，其特征在于，步骤S23中得到所述预设加权融合模型的步骤包括：

S231、根据图像增强处理后的鸟类图像对VGG特征提取模型进行训练；

S232、根据图像增强处理后的鸟类图像对ResNet特征提取模型进行训练；

S233、将所述VGG特征提取模型和所述ResNet特征提取模型根据预设加权平均的模型融合算法得到所述预设加权融合模型。

4.根据权利要求2所述的一种基于加权融合模型的鸟类分类方法，其特征在于，对预设加权融合模型进行训练的步骤包括：

A1、对ImageNet预训练的网络模型VGG和ResNet进行初始化，并屏蔽预训练的网络模型的权重；

A2、初始化权重、训练次数及权重增加步长；

A3、按照权重记录训练后训练集和验证集结果，通过权重增加步长不断调整两个特征提取模型的权重，直至完成训练，并将其中正确率最高的模型权重作为预设加权融合模型的最终权重。

5.根据权利要求2所述的一种基于加权融合模型的鸟类分类方法，其特征在于，步骤S2中获得所述预设训练模型的步骤还包括：

S24、通过预设优化器对得到的所述预设训练模型进行算法优化。

6.一种基于加权融合模型的鸟类分类系统，其特征在于，包括：

图像获取模块，用于通过预设方式获取鸟类图像；

图像识别模块，用于将获取的鸟类图像经过预设训练模型进行鸟类识别，

图像分类模块，用于根据鸟类识别的结果＝将所述鸟类图像分入对应的类别中，得到鸟类分类结果。

7.根据权利要求6所述的一种基于加权融合模型的鸟类分类系统，其特征在于，所述图像识别模块包括：

数据集获取单元，用于通过预设方式获取不同鸟类的图像，并建立数据集；

图像增强单元，用于将所述数据集中的鸟类图像进行图像增强处理；

训练单元，用于根据图像增强处理后的鸟类图像对预设加权融合模型进行训练，并得到预设训练模型。

8.根据权利要求7所述的一种基于加权融合模型的鸟类分类系统，其特征在于，所述训练单元包括：

第一特征提取子单元，用于根据图像增强处理后的鸟类图像对VGG特征提取模型进行训练；

第二特征提取子单元，用于根据图像增强处理后的鸟类图像对ResNet特征提取模型进行训练；

融合子单元，用于将所述VGG特征提取模型和所述ResNet特征提取模型根据预设加权平均的模型融合算法得到所述预设加权融合模型。

9.根据权利要求7所述的一种基于加权融合模型的鸟类分类系统，其特征在于，所述图像识别模块还包括：

优化单元，用于通过预设优化器对得到的所述预设训练模型进行算法优化。