[发明专利]基于AmoebaNet+NAS-FPN+AA算法的生态生物识别方法

权利要求书

1.基于AmoebaNet+NAS-FPN+AA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对采集的生物图像数据进行处理，得到处理后的生物图像数据；

S3通过AmoebaNet+NAS-FPN+AA算法对处理后的生物图像进行目标检测；

S31选取AmoebaNet、NAS-FPN、AA目标检测网络作为候选目标检测网络；

S32按照目标检测网络的层数分别为候选检测网络设计信息度附加网络；

S33联合训练目标检测网络和信息度附加网络，设计信息度附加网络的损失函数以及整个网络的训练策略，目标检测网络的损失函数由目标检测方法确定；

S34对信息度附加网络的输出值做尺度归一化，根据信息度附加网络的输出来选择目标检测网络；

S35采用最优目标检测网络对所需检测的生物图像进行检测，获得目标检测结果；

S4将检测成功结果进行发送，并将通过将检测成果进行展示。

2.根据权利要求1所述的基于AmoebaNet+NAS-FPN+AA算法的生态生物识别方法，其特征在于，所述步骤S1获取生物图像RGB彩色图像，将彩色图像由RGB颜色空间转为HIS颜色空间，HIS颜色空间的HIS图像信息包括图像饱和度、亮度及位置信息。

3.根据权利要求1所述的基于AmoebaNet+NAS-FPN+AA算法的生态生物识别方法，其特征在于，所述步骤S32AmoebaNet、NAS-FPN、AA选取自重3层特征层来构建信息度附加网络。

4.根据权利要求3所述的基于AmoebaNet+NAS-FPN+AA算法的生态生物识别方法，其特征在于，选取自重3层特征层，先进行一次卷积操作后再进行一次全局平均池化将特征图转化为特征向量。

5.根据权利要求1所述的基于AmoebaNet+NAS-FPN+AA算法的生态生物识别方法，其特征在于，所述步骤S34对信息度附加网络的输出进行尺度归一化。

6.根据权利要求1所述的基于AmoebaNet+NAS-FPN+AA算法的生态生物识别方法，其特征在于，所述步骤S1采集的生物图像后，对图像进行大小调整和裁剪，以消除图像背景效应，对图像进行灰度处理。

7.根据权利要求1所述的基于AmoebaNet+NAS-FPN+AA算法的生态生物识别方法，其特征在于，所述步骤S2对采集的生物图像进行预处理，包括：图像缩放、转置以及图像类型转换。

8.根据权利要求1所述的基于AmoebaNet+NAS-FPN+AA算法的生态生物识别方法，其特征在于，所述步骤S35通过选自于警示信息、警示灯号、警示声音所组成的群组，来表示检测未成功的异常信号。