[发明专利]一种基于改进SSD算法的海洋生物识别方法及系统

权利要求书

1.一种基于改进SSD算法的海洋生物识别方法，其特征在于，包括：

获取用于海洋生物识别的训练样本集和测试样本集，并转化为深度学习框架可以直接读取的格式；

对训练样本集的图片进行预处理；

提取训练样本特征金字塔中的Conv4_3、Conv7、Conv8_2、Conv9_2、Conv10_2、Conv11_2，并输入至海洋生物识别算法模型进行预测，得到训练好的海洋生物识别算法模型；

将测试样本集输入至训练好的海洋生物识别算法模型，输出生物识别结果；

所述提取训练样本特征金字塔中的Conv4_3、Conv7、Conv8_2、Conv9_2、Conv10_2、Conv11_2，并输入至海洋生物识别算法模型进行预测具体包括：

第一融合模块，将Conv7和Conv8_2的特征信息融合到Conv4_3中；

第二融合模块，将Conv4_3和Conv8_2的特征信息融合到Conv7中；

第三融合模块，将Conv4_3和Conv7的特征信息融合到Conv8_2中；

所述第一融合模块输出的第一特征层、第二融合模块输出的第二特征层以及第三融合模块输出的第三特征层与Conv9_2、Conv10_2、Conv11_2共同输入至海洋生物识别算法模型进行预测；

所述第一融合模块，包括：

步骤(1-1)：对Conv4_3、Conv7和Conv8_2特征层采用Conv1×1卷积降低特征维度；

步骤(1-2)：将Conv7和Conv8_2分别通过2倍和4倍的反卷积上采样，使Conv7和Conv8_2的特征尺度大小与Conv4_3保持一致；

步骤(1-3)：将步骤(1-1)Conv1×1卷积处理得到的Conv4_3，与步骤(1-2)反卷积得到的Conv7和Conv8_2进行拼接融合；

步骤(1-4)：引入平滑层去除拼接融合带来的混叠效应；

步骤(1-5)：得到与Conv4_3特征尺度大小相同的第一特征层；

所述第二融合模块，包括：

步骤(2-1)：对Conv4_3、Conv7和Conv8_2特征层采用Conv1×1卷积降低特征维度；

步骤(2-2)：将Conv4_3的特征尺度通过最大池化层减小为1/2，同时通过反卷积2倍上采样将Conv8_2的特征尺度扩大两倍，使处理后的Conv4_3和Conv8_2的特征尺度大小与Conv7保持一致；

步骤(2-3)：将步骤(2-1)Conv1×1卷积处理得到的Conv7，与步骤(2-2)处理后得到的Conv4_3和Conv8_2进行拼接融合；

步骤(2-4)：引入平滑层去除拼接融合带来的混叠效应；

步骤(2-5)：得到与Conv7特征尺度大小相同的第二特征层；

所述第三融合模块，包括：

步骤(3-1)：对Conv4_3、Conv7和Conv8_2特征层采用Conv1×1卷积降低特征维度；

步骤(3-2)：采用最大池化层对Conv4_3和Conv7进行下采样，采样倍数分别为1/4和1/2，使处理后的Conv4_3和Conv7的特征尺度大小与Conv8_2保持一致；

步骤(3-3)：将步骤(3-1)Conv1×1卷积处理得到的Conv8_2，与步骤(3-2)处理后得到的Conv4_3和Conv7进行拼接融合；

步骤(3-4)：引入平滑层去除拼接融合带来的混叠效应；

步骤(3-5)：得到与Conv8_2特征尺度大小相同的第三特征层；

将第一融合模块输出的第一特征层、第二融合模块输出的第二特征层以及第三融合模块输出的第三特征层以及未融合增强的Conv9_2、Conv9_10、Conv11_2组成新的特征金字塔，所述新的特征金字塔需要根据特征尺度大小设置先验框，产生新的特征金字塔中六个特征图的若干先验框，将生成的先验框和标记好的真实框groudtruth按照IOU进行匹配；若IOU大于设定的阈值，则生成的先验框为正样本，否则，为负样本；并按照正样本与负样本所设定的比例构成样本集，将样本集输入海洋生物识别算法模型进行训练。