[发明专利]基于自适应特征融合金字塔网络的三阶段害虫图像识别方法

权利要求书

1.一种基于自适应特征融合金字塔网络的三阶段害虫图像识别方法，其特征在于：该方法包括下列顺序的步骤：

(1)获取害虫图像数据集，害虫图像数据集是害虫原图像的集合，将害虫图像数据集按7∶3的比例划分成训练集与测试集；

(2)构建自适应特征融合金字塔网络，将害虫原图像输入自适应特征融合金字塔网络，自适应特征融合金字塔网络输出害虫融合特征图；

(3)构建三阶段害虫图像目标定位识别网络；

(4)自适应特征融合金字塔网络与三阶段害虫图像目标定位识别网络组成害虫图像识别模型，将训练集输入害虫图像识别模型，对害虫图像识别模型进行训练，将测试集输入训练好的害虫图像识别模型中，害虫图像识别模型输出害虫图像检测的结果。

2.根据权利要求1所述的基于自适应特征融合金字塔网络的三阶段害虫图像识别方法，其特征在于：所述步骤(2)具体包括以下步骤：

(2a)自适应特征融合金字塔网络由害虫特征提取层和自适应特征融合层构成，其中，害虫特征提取层包括深度残差网络和一个1×1×256的卷积；自适应特征融合层包括卷积神经网络和一个softmax归一化指数函数；

(2b)害虫特征提取层进行害虫特征提取：将害虫原图像输入害虫特征提取层以获得害虫特征图，害虫特征提取层对害虫原图像提取特征时采用深度残差网络作为骨干网络，首先进行通道变换：对来自深度残差网络提取的不同层级的害虫特征图，采用卷积核大小为1×1×256的卷积操作；其次采用特征图尺度变换：将第l层的害虫特征图进行上采样或者下采样变换到第k层害虫特征图尺度的大小，得到害虫特征图X^kl；

(2c)自适应特征融合层对获得的害虫特征图进行自适应特征融合，输出所需的害虫融合特征图，自适应特征融合的公式为：

其中，表示输出害虫特征图,Y^l位置i处的特征向量；表示从第k层到第l层做尺度变化后的害虫特征图上第i位置处的特征向量；和是可学习权重，通过卷积神经网络的学习获取；和的值在0至1之间，且

使用softmax归一化指数函数计算可学习权重和计算公式为：

其中，是用于控制可学习权重的参数，是用于控制可学习权重的参数，是用于控制可学习权重的参数。

3.根据权利要求1所述的基于自适应特征融合金字塔网络的三阶段害虫图像识别方法，其特征在于：所述步骤(3)具体包括以下步骤：

(3a)构建一阶段的害虫区域推荐网络和自适应锚框生成网络，将害虫融合特征图分别输入害虫区域推荐网络和自适应锚框生成网络中，害虫区域推荐网络和自适应锚框生成网络是并列的，害虫区域推荐网络输出预测信息，自适应锚框生成网络输出锚框，将预测信息和锚框结合得到预测框；

(3b)构建两阶段的害虫目标检测网络,将预测框输入害虫目标检测网络，害虫目标检测网络输出质量较高的预测框；

(3c)两阶段的害虫目标检测网络，以及一阶段的害虫区域推荐和自适应锚框生成网络共同构成三阶段害虫图像目标定位识别网络。