[发明专利]基于深度学习的鱼类细粒度分类方法

摘要

本发明公开了一种基于深度学习的鱼类细粒度分类方法，包括将获取的图像进行预处理，使用深度神经网络进行特征提取，构建特征金字塔网络进行区域提议，对提议出的区域进行裁剪和特征提取，随后一方面利用提取出的特征做一次分类，将该分类的准确率作为监督信号输入到区域提议网络，另一方面将该特征与全图特征融合送入全连接层做分类，输出最终的分类结果。本发明解决了现有物体分类技术在做细粒度分类任务时，由于环境复杂、类别间细微的类间差异和较大的类内差异造成的准确率较低的问题，该方法在复杂背景下对鱼类图像进行细粒度分类时，识别时间短，识别准确率高，无需额外标签信息，适宜于推广应用。

主权项

1.一种基于深度学习的鱼类细粒度分类方法，包括以下步骤：S1：将获取的拍摄图像进行预处理；S2：使用深度神经网络对预处理后的图像进行特征提取，利用可变卷积为深度神经网络中的卷积层选取合适的采样点，得到特征图；S3：构建特征金字塔网络作为区域提议网络，在该网络中的每一个特征尺度上设置锚，将步骤S2输出的特征图输入特征金字塔网络，计算每一个锚对应的局部区域的信息量；S4：取信息量最大的至少四个局部区域进行上采样，输入步骤S2中的深度神经网络，对提取出的区域进行特征提取，输出特征图；S5：将步骤S2与步骤S4中输出的特征图连接在一起，使用全连接层进行类别的预测，利用标签信息计算损失函数并反向传播，更新区域提议网络参数；S6：使用搜集好的训练数据集训练出步骤S1到步骤S5构建的网络模型的网络权重参数，采用训练好网络权重参数的网络模型对图像进行分类，输出结果。