[发明专利]基于SPP-Net算法的生态生物识别方法在审
| 申请号： | 202210054410.9 | 申请日： | 2022-01-18 |
| 公开（公告）号： | CN114399793A | 公开（公告）日： | 2022-04-26 |
| 发明（设计）人： | 杨志峰;沈永明;张远;蔡宴朋 | 申请（专利权）人： | 澜途集思（深圳）数字科技有限公司 |
| 主分类号： | G06V40/10 | 分类号： | G06V40/10;G06V20/05;G06V10/764;G06V10/32;G06V10/30;G06V10/42;G06V10/25;G06V10/74;G06V10/52;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京市京师律师事务所 11665 | 代理人： | 黄熊 |
| 地址： | 518000 广东省深圳市前海深港合作*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 spp net 算法 生态 生物 识别 方法 | ||
1.基于SPP-Net算法的生态生物识别方法，其特征在于，包括如下步骤：
S1发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；
S2采用图像归一法和图像增强法对采集的生物图像数据进行预处理，得到预处理后的生物图像数据；
S3通过SPP-Net算法对预处理后的生物图像数据进行目标检测；
S31首先通过选择性搜索，对待检测的生物图像进行搜索出2000个候选窗口；
S32把整张待检测的生物图像，输入CNN中，进行一次性特征提取，得到feature maps，然后在feature maps中找到各个候选框的区域，再对各个候选框采用金字塔空间池化，提取出固定长度的特征向量；
S33把上面每个候选窗口的对应特征向量，利用SVM算法进行分类识别；
S4将检测后的生物图像与图像信息匹配，进行生态生物识别。
2.根据权利要求1所述的基于SPP-Net算法的生态生物识别方法，其特征在于，所述步骤S3使用ss生成2000个候选框，缩放图像min(w，h)＝s之后提取特征，每个候选框使用一个4层的空间金字塔池化特征，网络使用的是ZF-5的SPPNet形式，之后将12800d的特征输入全连接层，SVM的输入为全连接层的输出。
3.根据权利要求1所述的基于SPP-Net算法的生态生物识别方法，其特征在于，所述特征提取：先将图片resize到五个尺度：480，576，688，864，1200，加自己6个，然后在mapwindow to feature map一步中，选择ROI框尺度在中大小最接近224x224的那个尺度下的feature maps中提取对应的roi feature。
4.根据权利要求1所述的基于SPP-Net算法的生态生物识别方法，其特征在于，所述金字塔空间池化：使得任意大小的特征图都能够转换成固定大小的特征向量。
5.根据权利要求1所述的基于SPP-Net算法的生态生物识别方法，其特征在于，所述步骤S3包括网络的训练：使用两个尺度进行训练：224*224和180*180，训练的时候，224x224的图片通过crop得到，180x180的图片通过缩放224x224的图片得到，之后，迭代训练，即用224的图片训练一个epoch，之后180的图片训练一个epoch，交替地进行。
6.根据权利要求5所述的基于SPP-Net算法的生态生物识别方法，其特征在于，两种尺度下，在SSP后，输出的特征维度都是(9+4+1)x256，参数是共享的，之后接全连接层即可。
7.根据权利要求1所述的基于SPP-Net算法的生态生物识别方法，其特征在于，所述步骤S2采用图像归一法和图像增强法对采集的生物图像数据进行预处理。
8.根据权利要求1所述的基于SPP-Net算法的生态生物识别方法，其特征在于，所述采集生物图像数据通过分布式存储器进行存储。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于澜途集思（深圳）数字科技有限公司，未经澜途集思（深圳）数字科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210054410.9/1.html，转载请声明来源钻瓜专利网。
