[发明专利]基于区域建议网络的蜻蜓目昆虫识别方法

权利要求书

1.一种基于区域建议网络的蜻蜓目昆虫识别方法，其特征在于：包括如下步骤：

S1.采集蜻蜓目昆虫图像，并对蜻蜓目昆虫图像进行清洗和整理，得到蜻蜓目昆虫图像的数据集；

S2.对蜻蜓目昆虫图像的数据集进行增强处理，得到增强后的数据集；

S3.对所述增强后的数据集按照设定比例进行划分，得到蜻蜓目昆虫图像的训练集、验证集以及测试集；

S4.构建基于区域建议网络的深度卷积网络模型；

所述步骤S4，具体包括：

S41.构建区域建议网络；

S42.将ResNet50作为深度卷积网络模型的特征提取网络，并将区域建议网络作为深度卷积网络模型的特征筛选网络；具体包括：对输入图片进行M个不同预设尺度的子区域选取，通过深度卷积加点卷积，次接平均池化，再接最大反池化，从此处单分一支卷积，随后又是一组深度可分离卷积，此处单分一支卷积，后接标准卷积，紧接卷积，采样过程使用ReLu函数为激活函数，最后与两支路级联得到特征图，然后进行预分类，再根据预分类结果，从M个区域中选取置信度最高的k个区域作为RPN筛选的子区域，输出S＝{R₁,R₂,…,R_k}；

S43.确定深度卷积网络模型的损失函数；

根据如下公式确定深度卷积网络模型的损失函数L：

L＝L₁+μL₂；

其中，L₁为交叉熵损失函数；L₂为改进的Focal Loss；μ为设定系数；

所述y_i为当前样本的真实结果，为所选子区域的预测结果；

所述为当前样本的预测概率，α与γ分别为控制参数；

所述id为样本编号，按各类所含样本数的多少降序来设置样本编号，classes为样本的总标签数；

S5.设置训练参数，并使用所述训练集以及验证集对深度卷积网络模型进行训练，得到训练后的网络模型；

S6.将所述测试集输入到训练后的网络模型，输出得到所述测试集的分类结果。

2.根据权利要求1所述的基于区域建议网络的蜻蜓目昆虫识别方法，其特征在于：所述蜻蜓目昆虫图像为自然环境下的蜻蜓目昆虫图像。

3.根据权利要求1所述的基于区域建议网络的蜻蜓目昆虫识别方法，其特征在于：步骤S2中，对蜻蜓目昆虫图像的数据集进行增强处理，具体包括：对所述数据集进行随机水平翻转以及对所述数据集进行随机中心裁剪。

4.根据权利要求1所述的基于区域建议网络的蜻蜓目昆虫识别方法，其特征在于：步骤S5中，设置训练参数，并使用所述训练集以及验证集对深度卷积网络模型进行训练，具体包括：

S51.将在ImageNet数据集上的预训练权重模型作为ResNet50的初始化权重模型；

S52.设置训练集与验证集中蜻蜓目昆虫图像的输入大小，并设置子区域的预设大小；

S53.使用Batch Normalization来实现正则化，并采用随机梯度下降算法对深度卷积网络模型进行优化。