[发明专利]一种基于对位叠加操作的鸟类识别方法、系统及存储介质

说明书

本发明公开了一种基于对位叠加操作的鸟类识别方法、系统及存储介质，方法包括：S01、获取鸟类全局图像及鸟类局部部位图像；S02、将鸟类局部部位图像输入到基于DenseNet网络的局部特征提取分支，获取Dense Block(1)后的浅层局部特征和全局平均池化后的深层局部特征以及该局部分支的损失；S03、将鸟类全局图像输入到基于DenseNet网络的全局特征提取主分支，进行获取在Dense Block(1)后与局部特征提取分支同位置的特征，即局部图像，然后根据局部图像在鸟类全局图像上的位置坐标进行对位叠加，并在全局平均池化后与局部特征提取分支同位置的特征进行串联，以此进行鸟类识别并得到损失，将该损失与局部特征提取分支损失作为总损失用于模型训练时的网络更新，本方案实施可靠、识别效果佳。

技术领域

本发明涉及鸟类监测技术领域，尤其涉及一种基于对位叠加操作的鸟类识别方法、系统及存储介质。

背景技术

鸟类作为森林和湿地生态系统的重要物种，其群落组成和种类分布被认为是保护和监控森林和湿地生态系统的重要指标。利用鸟类的分布信息将可有效的评估森林与湿地的状况，为治理森林和湿地提供依据。通过鸟类识别可以了解鸟类的群落组成和种类分布，并且能够为鸟类爱好者提供有效的帮助，随着相机、收集摄像头和监控系统的发展，基于图像的鸟类识别实用性有了较大提升。鸟类识别属于细粒度识别，即需具体识别出每种鸟的类别。该分类任务极具挑战性，因为不同类别的鸟类具有较为相似的形态，同种类别的鸟类又存在复杂多样的体态特征。目前的鸟类识别方法存在利用局部信息辅助鸟类识别的，但没有将局部信息与原图中对应局部信息进行融合增强以辅助鸟类识别的方法。

发明内容

有鉴于此，本发明的目的在于提出一种实施可靠、数据参考性佳和效率高的基于对位叠加操作的鸟类识别方法、系统及存储介质。

为了实现上述的技术目的，本发明所采用的技术方案为：

一种基于对位叠加操作的鸟类识别方法，包括：

S01、获取鸟类全局图像及鸟类局部部位图像；

S02、将鸟类局部部位图像输入到基于DenseNet网络的局部特征提取分支，进行获取Dense Block(1)后的浅层局部特征和全局平均池化后的深层局部特征以及该局部分支的损失；

S03、将鸟类全局图像输入到基于DenseNet网络的全局特征提取主分支，进行获取在Dense Block(1)后与局部特征提取分支同位置的特征，即局部图像，然后根据局部图像在鸟类全局图像上的位置坐标进行对位叠加，并在全局平均池化后与局部特征提取分支同位置的特征进行串联，以此进行鸟类识别并得到损失，将该损失与局部特征提取分支损失作为总损失用于模型训练时的网络更新。

作为一种可能的实施方式，进一步，所述鸟类局部部位图像为鸟类全局图像中截取获得。

作为一种较优的选择实施方式，优选的，S01包括：

S011、打开鸟类全局图像；

S012、根据鸟类全局图像，对图像中的鸟类局部部位进行标注，然后对部位所处位置的左上角和右下角进行标注，以此形成一个包围盒将部位完整包含在内部，裁剪包围盒内部图像并记录下原图尺寸大小，以及该包围盒在原图上的左上角坐标以及右下角坐标。

作为一种较优的选择实施方式，优选的，S012中，通过人工标注的方式标注出局部图像或将鸟类全局图像经过检测神经网络进行获取局部图像或通过随机裁剪的方式获取。

作为一种较优的选择实施方式，优选的，S02包括：

S021、输入获得的鸟类局部部位图像，将其缩放至224×224尺寸；