[发明专利]基于轻量化卷积网络的淡水鱼图像实时识别方法

权利要求书

1.一种基于轻量化卷积网络的淡水鱼图像实时识别方法，其特征在于，该方法通过手动获取并标注淡水鱼图像以构建数据集，利用搭建并训练好的轻量级卷积神经网络，自动提取鱼类图像特征进行识别；该方法的具体步骤包括如下：

(1)构建淡水鱼图像数据集：

(1a)选取至少2700张尺寸为244×244的淡水鱼图像，所有图像至少涵盖9种淡水鱼类别；

(1b)手工标注每张图像中淡水鱼的种类，并用矩形边界框对图像中淡水鱼的位置进行标注；

(1c)对标注后的图像进行预处理后得到训练样本集；

(2)构建轻量化深度卷积神经网络：

(2a)搭建一个21层的识别网络，其结构依次为：输入层，第一卷积层，第一池化层，第二卷积层，第二池化层，第三卷积层，第三池化层，第四卷积层，第四池化层，第五卷积层，第五池化层，第六卷积层，第六池化层，第七卷积层，第八卷积层，第九卷积层，第十卷积层，第一输出层，第十一卷积层，上采样层，Concat拼接层，第十二卷积层，第十三卷积层，第二输出层；其中，第十一卷积层与第八卷积层相连，Concat拼接层与第五卷积层相连；

(2b)设置每层参数为：第一至十三卷积层的步长均设置为1，第一至十三卷积层中卷积核的个数分别设置为16、32、64、128、256、512、1024、256、512、255、128、256、255，第八、十、十一、十三卷积层中卷积核的大小均设置为1×1，其余卷积层中卷积核的大小均设置为3×3；所有池化层均采用最大池化的方式，池化核的大小均设置为2×2，第六池化层的步长设置为1，其余池化层步长均设置为2；上采样层对大小为13×13×128的特征图进行上采样，输出大小为26×26×128；Concat拼接层对大小分别为13×13×128和13×13×256的特征图进行通道拼接，输出大小为26×26×384；

(3)训练深度卷积神经网络：

将训练样本集输入到深度卷积神经网络中，使用梯度下降法，对深度卷积神经网络中每一层的网络参数进行迭代更新，直到网络损失函数收敛，得到训练好的深度卷积网络；

(4)对淡水鱼测试图像进行实时识别：

对待识别的淡水鱼图像采用与步骤(1c)相同方法进行预处理，将预处理后的淡水鱼图像输入到训练好的深度卷积神经网络中，输出淡水鱼品种的识别结果。

2.根据权利要求1所述的基于轻量化卷积网络的淡水鱼图像实时识别方法，其特征在于，步骤(1c)所述对标注后图像进行预处理是指，对标注后的图像依次进行随机缩放、平移、旋转、镜像、随机裁剪并缩放至224×224的空间尺度变换。