[发明专利]鱼类图像识别方法、系统及设备

权利要求书

1.一种鱼类图像识别方法，其特征在于，其具体步骤为：

S1、采集鱼类图像，对鱼类图像进行筛选、数据增强及尺寸统一处理，并确定分类标签，构建训练数据集；

S2、将深度残差网络的每个残差块中加入CBAM模块，构建鱼类图像识别网络；

S3、利用训练数据集训练步骤S2中构建的鱼类图像识别网络，训练结束后得到鱼类图像识别模型；

S4、对待识别鱼类图像进行筛选、数据增强及尺寸统一处理，利用鱼类图像识别模型对处理后的待识别鱼类图像进行识别，获得识别结果。

2.如权利要求1所述的鱼类图像识别系统，其特征在于，步骤S1和步骤S4中，所述筛选的具体要求为：去除鱼类特征不清晰或残缺1/3的鱼类图像、去除分辨率低于100的鱼类图像以及去除与某鱼类类别不同的鱼类图像。

3.如权利要求1所述的鱼类图像识别系统，其特征在于，步骤S1和步骤S4中，所述数据增强采用torchvision图像库操作，具体包括：对图像进行水平翻转、随机裁剪、添加高斯噪声、图像亮度调节及随机旋转变换。

4.如权利要求1所述的鱼类图像识别方法，其特征在于，步骤S2中，所述CBAM模块包括顺序设置的通道注意力模块和空间注意力模块，给定一张输入特征图，CBAM模块沿着通道注意力模块和空间注意力模块两个单独的维度依次推断得到注意力图，然后将注意力图与输入特征图相乘，得到细化的自适应特征图，该自适应特征图为CBAM模块的最终输出特征图，表示为：

式中，F为最终特征输出图，表示元素相乘，F'为通道注意力模块得到输出特征图，M_C(F)为通道注意力模块推断得到的通道注意力图，M_s(F')为空间注意力模块推断得到的空间注意力图，F为输入特征图。

5.如权利要求4所述的鱼类图像识别方法，其特征在于，所述通道注意力模块通过使用平均池化和最大池化操作聚集输入特征图F的空间信息，生成两个不同的空间背景描述符，将两个描述符转发到一个由多层感知器MLP组成的共享网络，产生通道注意图，其中共享网络中含有一个隐藏层。

6.如权利要求5所述的鱼类图像识别方法，其特征在于，在共享网络应用于每个描述符后，使用元素相加法合并输出特征向量，得到通道注意力图，表示为：

式中，Avg(·)为平均池化特征函数，Max(·)为最大池化特征函数，MLP(·)表示多层感知器输出特征图，为特征图F平均池化得到的特征，为特征图F最大池化得到的特征，W₀(·)为共享网络中第一层网络的线性变化函数、W₁(·)为共享网络中第二层网络线性变化函数，σ(·)表示sigmoid函数。

7.如权利要求4所述的鱼类图像识别方法，其特征在于，所述空间注意力模块通过使用平均池化和最大池化操作聚集特征图F'的通道信息，生成两个二维图，每个二维图都表示整个通道的平均集合特征和最大集合特征，将平均集合特征和最大集合特征连接起来，并由一个标准的m*m卷积层进行卷积，产生空间注意力图，表示为：

式中，f^m*m(·)为卷积函数，为特征图F'平均池化得到的特征，为特征图F'最大池化得到的特征，m*m表示卷积核大小。

8.如权利要求1所述的鱼类图像识别方法，其特征在于，步骤S3中，训练鱼类图像识别网络时，采用Adam算法进行网络参数优化，输出层采用Softmax函数进行分类，采用交叉熵损失函数进行网络优化。