[发明专利]一种基于深度学习的鸟类识别方法

摘要

本发明公布了一种基于深度学习的鸟类识别方法，建立两个阶段的训练框架，在第一阶段，利用在大规模公开数据集上训练好的深度网络训练CUB‑200‑2011鸟类数据集，获得对鸟类数据集的微调模型；第二阶段，在自建的红树林滨海湿地数据集上微调第一阶段的模型，获得对于红树林滨海湿地特定鸟类的分类模型，利用分类模型实现基于深度学习的鸟类识别。本发明能够实现基于深度学习的鸟类识别，解决现有采用机器学习方法对鸟类图像进行分类和识别中速度较慢、准确率过低的问题。

主权项

1.一种基于深度学习的鸟类识别方法，建立两个阶段的训练框架，在第一阶段，利用在大规模公开数据集上训练好的深度网络训练CUB‑200‑2011鸟类数据集，获得对鸟类数据集的微调模型；第二阶段，在自建的红树林滨海湿地数据集上微调第一阶段的模型，获得对于红树林滨海湿地特定鸟类的分类模型，利用所述分类模型实现基于深度学习的鸟类识别；包括如下步骤：A.收集红树林滨海湿地原始图片数据集，对数据集的原始图片做水平翻转处理，增加一倍的数据量，得到红树林鸟类数据库，作为训练数据集；B.首先以大规模公开数据库为基础预训练深度网络Net1，使得该神经网络可以对大规模公开数据库进行分类；该大规模公开数据库中每一类的图片分类准确，同一个类别下的图片数量至少上百张，以利于对图像进行特征提取；接着修改大规模公开数据库预训练的深度网络，具体是：将深度网络最后一层分类层的类别数量从基于大规模公开数据库的类别总数改为基于CUB‑200‑2011鸟类数据库的类别总数；其次，将倒数两层的全连接层参数数量依次缩小，以适应小规模的数据库数据量；然后，用修改后的神经网络训练CUB‑200‑2011鸟类数据集，得到深度网络Net2，作为对鸟类数据集的微调模型；C.利用步骤A得到的训练数据集对步骤B得到的微调网络模型Net2进行训练，修改Net2最后一层分类层类别的数量，获得针对步骤A得到的红树林鸟类数据库的训练好的网络模型Net3；D.将待识别的鸟类图片输入到步骤C训练后的网络模型Net3，步骤C训练后的网络模型对于输入图片，输出类别标签，所述类别标签即每张图片所属的鸟类类别。