[发明专利]基于RFBNet算法的生态生物识别方法

权利要求书

1.基于RFBNet算法的生态生物识别方法，其特征在于，包括如下步骤：

S1发起生态生物识别请求，根据请求在生态环境中采集生物图像；

S2对采集的生物图像进行优化处理，得到优化处理后的生物图像；

S3收集生态生物特征，将收集的生态特征进行分类，并建立生态特征数据库；

S4通过RFBNet算法对处理后的生物图像数据进行目标检测；

S41通过连接多个分支的conv操作，获得多个尺度的RFs；

S42基于RFs的不同尺度，使用不同的卷积核，设计多分支的conv、pooling；

S43通过虫洞卷积dilated conv来控制感受野的离心率，最后一步reshape操作后，形成生成的特征；

S5将生物图像形成的特征与生态特征数据库中的特征数据进行对比识别。

2.根据权利要求1所述的基于RFBNet算法的生态生物识别方法，其特征在于，所述步骤S42每个分支上使用不同尺度的常规卷积和虫洞卷积，通过常规卷积的不同卷积核尺度来模拟pRFs中的不同感受野，各个分支上通过各自dilated conv所得到的离心率，来模拟pRF的尺度与离心率的比例。

3.根据权利要求1所述的基于RFBNet算法的生态生物识别方法，其特征在于，所述步骤S1具体为：先1×1conv降低feature map通道数，在每个分支上形成bottleneck结构，再接常规n×n conv；并替换5×5conv为两个堆叠的3×3conv，进一步使用1×n+n×1conv替换原始n×n conv。

4.根据权利要求1所述的基于RFBNet算法的生态生物识别方法，其特征在于，所述步骤S4在每个分支中使用bottleneck结构，先使用1x1卷积层减少通道数之后再去做nxn的卷积。

5.根据权利要求1所述的基于RFBNet算法的生态生物识别方法，其特征在于，所述步骤S2对采集的生物图像数据进行优化求精，包括：将生物图像进行拆分，剔除无用数据信息，并将有用数据信息进行归类融合。

6.根据权利要求1所述的基于RFBNet算法的生态生物识别方法，其特征在于，所述步骤S2采集生物图像通过对像进行降维处理，降维处理有效去除冗余信息，提取有用特征。

7.根据权利要求1所述的基于RFBNet算法的生态生物识别方法，其特征在于，所述采集的生物图像数据进去噪处理，得到去噪生物图像。

8.根据权利要求1所述的基于RFBNet算法的生态生物识别方法，其特征在于，所述步骤S5将识别成功结果进行发送提示信息，并将生物图像视觉特征存储至生态特征数据库中。