一种冷泉区海底生物识别方法及处理终端技术

本发明专利技术涉及一种冷泉区海底生物识别方法及处理终端，所述方法包括如下步骤：步骤1：获得冷泉区海底生物图片，并接收对冷泉区海底生物照片上的冷泉生物进行标记；步骤2：将所述图像数据输入卷积神经网络，卷积神经网络输出结果为图像数据的视觉特征，将标签数据输入嵌入神经网络，嵌入神经网络输出结果为标签数据的文本特征；步骤3：将视觉特征和文本特征输入循环神经网络进行特征融合；步骤4：将每一次的输出特征输入深度神经网络进行标签预测，从开始标记开始预测，直至结束标记结束预测，深度神经网络输出的预测结果为对冷泉生物的识别结果。本发明专利技术能够冷泉区的冷泉生物进行多标签标记，并识别出冷泉生物，识别结果准确性高。

A method and processing terminal of sea bottom biometrics in cold spring area

【技术实现步骤摘要】
一种冷泉区海底生物识别方法及处理终端
本专利技术涉及海底生物识别
，具体涉及一种冷泉区海底生物识别方法及处理终端。
技术介绍
冷泉区域海底水合物的形成有密切关系，冷泉区提供的甲烷等烃类气体不仅可作为合成海底水合物的材料，同时还为冷泉区的海底生物提供能量。依赖于海底冷泉区渗漏的气体为生的生物，通常被叫作冷泉生物，冷泉生物主要包括白瓜贝，贻贝，细菌席等生物。而这些冷泉生物的出现、分布与密度能够表征所在地冷泉的活跃程度，进而还可以根据冷泉的活跃程度判断海底是否存在水合物。因此，对冷泉区海底生物识别具有重要的现实意义。目前，深度学习在视频图像、语音识别、自然语言处理等相关领域得到了广泛应用。卷积神经网络(CNN)作为深度学习的一个重要分支，由于其超强的拟合能力以及端到端的全局优化能力，使得视频图像分类任务在应用卷积神经网络之后，预测精度大幅提升。因此，可以通过卷积神经网络对冷泉去海底生物照片进行标记并输出标签，每一个标签对应一个生物，从而识别出冷泉生物。但目前卷积神经网络仅能对一个输入的数据给出一个标签，而无法给出多标签。然而在真实的应用本文档来自技高网...

【技术保护点】
1.一种冷泉区海底生物识别方法，其特征在于，包括如下步骤：/n步骤1：获得冷泉区海底生物图片，并接收对冷泉区海底生物照片上的冷泉生物进行标记，所述标记至少包括表征开始标记的开始标记<start>和表征结束标记的结束标记<end>，标记后的冷泉区海底生物图片为包括图像数据和标签数据的样本数据；/n步骤2：将所述图像数据输入卷积神经网络，卷积神经网络输出结果为图像数据的视觉特征，视觉特征记为feature

【技术特征摘要】
1.一种冷泉区海底生物识别方法，其特征在于，包括如下步骤：
步骤1：获得冷泉区海底生物图片，并接收对冷泉区海底生物照片上的冷泉生物进行标记，所述标记至少包括表征开始标记的开始标记<start>和表征结束标记的结束标记<end>，标记后的冷泉区海底生物图片为包括图像数据和标签数据的样本数据；
步骤2：将所述图像数据输入卷积神经网络，卷积神经网络输出结果为图像数据的视觉特征，视觉特征记为featureimage，
将标签数据输入嵌入神经网络，嵌入神经网络输出结果为标签数据的文本特征，其中，第i个标签对应的文本特征记为i为正整数；
步骤3：将视觉特征和文本特征输入循环神经网络进行特征融合，对于循环神经网络的第i次循环，对应的输入特征为对应的输出特征为每一次循环按公式①进行特征融合：

【专利技术属性】
技术研发人员：吴婷婷，关永贤，尉建功，刘胜旋，冯震宇，张宝金，张如伟，吴艳芳，戴振宇，马金凤，
申请(专利权)人：广州海洋地质调查局，
类型：发明
国别省市：广东;44