[发明专利]基于DSOD算法的生态生物识别方法

权利要求书

1.基于DSOD算法的生态生物识别方法，其特征在于，包括如下步骤：

S1收集生态生物特征，将收集的生态特征进行收集分类，并建立分布式生态特征数据库；

S2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；

S3通过DSOD算法对采集的生物图像数据进行目标检测；

S31将DSOD网络的第二个转接层产生的特征图输入到RFB_a网络模块中；

S32经过RFB_a网络不同采样步长的Atrous卷积提取具有不同感受野的特征，为后续检测小目标步骤提供所需特征；

S33在第二个无池化转接层后加入采样步长为6的Atrous卷积层，增加特征图的语义信息；

S34在损失函数中加入IOG惩罚项，防止在预测密集的同类型目标时出现同类预测框重叠，避免在NMS后处理时出现漏检；

S4将得到的所需识别的生物图像数据与分布式生态特征数据库中的特征数据进行对比识别。

2.根据权利要求1所述的基于DSOD算法的生态生物识别方法，其特征在于，所述步骤S3的DSOD被划分成两个部分：用来提取特征的骨干网络和用于预测多尺度特征图的前端网络。

3.根据权利要求2所述的基于DSOD算法的生态生物识别方法，其特征在于，所述骨干网络是DenseNet的变种，包括stem block,，四个密集块，两个transitionlayers和两个池化层，前端网络通过精细的密集结构融合多尺度特征图。

4.根据权利要求3所述的基于DSOD算法的生态生物识别方法，其特征在于，所述stemblock定义为多个3x3卷积和2x2池化的堆叠块。

5.根据权利要求1所述的基于DSOD算法的生态生物识别方法，其特征在于，所述步骤S3采用的特征提取网络是DenseNet。

6.根据权利要求1所述的基于DSOD算法的生态生物识别方法，其特征在于，所述步骤S2还对采集生物图像数据进行处理，判断生物图像场景颜色是否丰富，场景颜色丰富时，采用灰度世界法对图像进行白平衡处理。

7.根据权利要求1所述的基于DSOD算法的生态生物识别方法，其特征在于，所述步骤S2采集生物图像数据后，对生物图像数据进行加密，并进行存储。

8.根据权利要求1所述的基于DSOD算法的生态生物识别方法，其特征在于，所述步骤S4中设置有提示模块，生物图像数据与分布式生态特征数据库对比识别通过提示模块进行发送提示信息。