[发明专利]一种基于改进的卷积神经网络的鸟类识别方法

权利要求书

1.一种基于改进的卷积神经网络的鸟类识别方法，其特征在于，包括：

利用鸟类识别器对待识别的鸟类图像进行识别，得到待识别的鸟类图像的鸟类类别；所述鸟类识别器的训练包括：

(1)构建样本鸟类图像的数据集；

(2)在卷积神经网络的ResNet50输入层之后增加BN层，在5层卷积层之后增加2层卷积层，最后一层卷积层使用1x1的卷积核，在FC层之前增加Dropout层，得到改进的卷积神经网络；

(3)利用样本鸟类图像的数据集训练改进的卷积神经网络，得到鸟类识别器；

所述步骤(3)包括：

(3.1)将数据集划分为训练集和验证集，采用水平翻转、[-5°,5°]的角度随机旋转、[-5,5]个像素水平平移的方式对训练集进行增强，验证集不采取任何增强措施；

(3.2)使用数据集对改进的卷积神经网络进行预训练，得到初始网络参数，利用初始网络参数对改进的卷积神经网络进行参数初始化；

(3.3)对改进的卷积神经网络的前4层卷积层的参数进行冻结，使用SGD优化器对余下层进行参数更新，并将L2正则化系数设置为e^-4，利用增强的训练集训练改进的卷积神经网络，利用验证集进行验证，训练N轮后，得到鸟类识别器；

所述样本鸟类图像的数据集中同一种类别的样本鸟类图像具有不同的背景和不同的姿态。

2.如权利要求1所述的一种基于改进的卷积神经网络的鸟类识别方法，其特征在于，所述背景包括：海面、森林、天空和草地。

3.如权利要求1所述的一种基于改进的卷积神经网络的鸟类识别方法，其特征在于，所述姿态包括：行走、站立、跳跃和觅食。

4.如权利要求1-3任一所述的一种基于改进的卷积神经网络的鸟类识别方法，其特征在于，所述2层卷积层的卷积核依次为3x3和1x1。