[发明专利]基于FSAF算法的生态生物识别方法在审
| 申请号： | 202210624996.8 | 申请日： | 2022-06-02 |
| 公开（公告）号： | CN114913551A | 公开（公告）日： | 2022-08-16 |
| 发明（设计）人： | 杨志峰;沈永明;张远;蔡宴朋 | 申请（专利权）人： | 澜途集思生态科技集团有限公司 |
| 主分类号： | G06V40/10 | 分类号： | G06V40/10;G06V10/40;G06V10/80;G06V10/764;G06V10/82;G06V10/30;G06V10/20;G06N3/04 |
| 代理公司： | 北京市京师律师事务所 11665 | 代理人： | 黄熊 |
| 地址： | 100000 北京市海淀区蓝靛*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 fsaf 算法 生态 生物 识别 方法 | ||
1.基于FSAF算法的生态生物识别方法，其特征在于，包括如下步骤：
S1收集生态生物特征，将收集的生态特征进行收集分类，并建立分布式生态特征数据库；
S2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数据；
S3对采集的生物图像数据进行图像去噪处理，并将分析后的生物图像数据进行存储；
S4通过FSAF算法对采集的生物图像数据进行目标检测；
S41输入图像经过Backbone的特征提取后，可以得到P3～P7特征图金字塔，其中下标为l表示特征金字塔的层数，得到的特征金字塔的每层C＝260通道；
S42在得到特征金字塔后，对每层特征金字塔分别使用两个子网络，分别用来进行分类和位置回归；
S43特征金字塔的每一个特征层，在分类和回归子网的头部各加一个卷积层，都相应的产生目标类别与位置的预测，最后再将其融合起来，同时使用NMS来得到最后的检测结果；
S5将得到的所需识别的生物图像数据特征与分布式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FSAF算法的生态生物识别方法，其特征在于，所述步骤S4在训练过程中，通过feature selection模块，为每一个目标选择最佳的特征层。
3.根据权利要求1所述的基于FSAF算法的生态生物识别方法，其特征在于，所述步骤S42子网络中，对每一个anchor预测一个四维的，类别无关的偏移量，进行位置回归。
4.根据权利要求1所述的基于FSAF算法的生态生物识别方法，其特征在于，所述步骤S42两个子网络由RPN网络修改得到。
5.根据权利要求1所述的基于FSAF算法的生态生物识别方法，其特征在于，所述步骤S2采用图像归一法和图像增强法对采集的生物图像数据进行处理。
6.根据权利要求1所述的基于FSAF算法的生态生物识别方法，其特征在于，所述步骤S2对采集的生物图像做颜色校正处理，并采用混合滤波方法对原始图片做降噪处理。
7.根据权利要求1所述的基于FSAF算法的生态生物识别方法，其特征在于，所述步骤S4中FSAF的网络结构主要由ResNet+FPN+2xFCN子网络构成。
8.根据权利要求1所述的基于FSAF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，并将生态环境的图像数据特征存储至生态特征数据库中。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于澜途集思生态科技集团有限公司，未经澜途集思生态科技集团有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210624996.8/1.html，转载请声明来源钻瓜专利网。
