[发明专利]基于Light-Head R-CNN算法的生态生物识别方法

权利要求书

1.基于Light-Head R-CNN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对采集的生物图像数据进行分析处理，并将分析处理后的生物图像数据进行存储；

S4通过Light-Head R-CNN算法对采集的生物图像数据进行目标检测；

S41先用分类网络提取特征得到2048维的feature map；

S42然后用channel数为10*P*P的1*1卷积来生成position-sensitive的score map；

S43然后经过一个large separable convolution生成10维的thinner feature map，thinner feature map的大小是P*P，该层的输入包含前面一层生成的score map，还包括RPN网络生成的ROI；

S44最后经过一个global average pool层得到10维的1*1feature map；

S5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Light-Head R-CNN算法的生态生物识别方法，其特征在于，所述步骤S41特征提取网络使用了Resnet-101和Xception两种类型的网络。

3.根据权利要求1所述的基于Light-Head R-CNN算法的生态生物识别方法，其特征在于，所述步骤S41特征提取网络还使用了NMS来降低overlapping，最后得到ROI。

4.根据权利要求1所述的基于Light-Head R-CNN算法的生态生物识别方法，其特征在于，所述thinner feature map网络的thinner feature map channels为10*p*p＝490。

5.根据权利要求1所述的基于Light-Head R-CNN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，采用图像归一法和图像增强法对所述生物图像数据进行预处理。

6.根据权利要求1所述的基于Light-Head R-CNN算法的生态生物识别方法，其特征在于，所述步骤S5对比识别成功的生物图像数据发送至分布式生态特征数据库中进行存储。

7.根据权利要求1所述的基于Light-Head R-CNN算法的生态生物识别方法，其特征在于，所述步骤S2采集的生物图像数据进行拆分提纯，剔除无用数据信息。

8.根据权利要求1所述的基于Light-Head R-CNN算法的生态生物识别方法，其特征在于，所述步骤S5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成功后，进行信息提示并展示。