【技术实现步骤摘要】
一种基于人工智能牡丹品种识别方法及识别系统
本专利技术公开一种基于人工智能牡丹品种识别方法及识别系统,属于利用人工智能对花卉种类识别的
技术介绍
随着计算机视觉领域的研究越来越深入,针对细粒度图像的分析应用也越来越受到关注,利用该技术对被测物体进行自动分类识别将成为主要研究方向。与此同时,本申请人的研究方向是对牡丹花卉进行图像分类自动识别,并达到识别率准确的目标。然而,在花卉识别领域多采用对花型进行识别,但是由于植物生长的多变性,导致花型在不同时期可能会存在植物造型相似等情况,从而影响对花卉种类的准确判断。为此,本申请人开始结合细粒度对牡丹花卉进行自动准确识别的研究。其中,所述细粒度分类算法主要有两种:基于强监督信息的细粒度图像分类模型和基于弱监督信息的细粒度图像分类模型。首先利用SelectiveSearch等算法在细粒度图像中产生物体或物体部位可能出现的候选框。之后类似于R-CNN做物体检测的流程,借助细粒度图像中的objectboundingbox和partannotation可以训练出若干检测模型,对应检测物体不同区域。然后,对多个检测模型得到的检测框加上位置几何约束。这样便可得到较理想的物体/部位检测结果。接下来将得到的图像块作为输入,分别训练一个CNN,则该CNN可以学习到针对该物体/部位的特征。最终将三者的全连接层特征级联作为整张细粒度图像的特征表示。显然,这样的特征表示既包含全部特征,又包含具有更强判别性的局部特征,因此分类精度较理想。但在Part-basedR-CN ...
【技术保护点】
1.一种基于人工智能牡丹品种识别方法,其特征在于,对包含有牡丹花卉的图像进入行如下识别方法,包括:/nS1:数据处理,形成用于模型训练的完整标签/n对牡丹花卉的图像添加:常规的牡丹花种类分类标签,以及还有牡丹花位置信息的标签,经数据处理后,对牡丹花卉的花瓣主体处形成边框;/n每个边框对应产生一个响应区域,对于某一表示为(X,Y,H,W)的边框,X,Y为边框左上角坐标,H,W分别为边框的高和宽,生成响应区域标签过程如下:/n在以边框中心为中心的区域内,产生高斯分布的响应区域;/n对于边框(X,Y,H,W),其中心点为
【技术特征摘要】
1.一种基于人工智能牡丹品种识别方法,其特征在于,对包含有牡丹花卉的图像进入行如下识别方法,包括:
S1:数据处理,形成用于模型训练的完整标签
对牡丹花卉的图像添加:常规的牡丹花种类分类标签,以及还有牡丹花位置信息的标签,经数据处理后,对牡丹花卉的花瓣主体处形成边框;
每个边框对应产生一个响应区域,对于某一表示为(X,Y,H,W)的边框,X,Y为边框左上角坐标,H,W分别为边框的高和宽,生成响应区域标签过程如下:
在以边框中心为中心的区域内,产生高斯分布的响应区域;
对于边框(X,Y,H,W),其中心点为
高斯分布区域半径:
通过经验常数,计算可得到高斯分布方差为:
由该方差,根据二维高斯分布公式,计算出边框中心点半径r范围内的响应值;进一步,通过对所有边框的计算,得到牡丹花卉图像的关键区域响应图;所述响应图和牡丹花卉类别标签构成了用于模型训练的完整标签;
S2:模型学习
损失函数用来计算统计学习模型的预测值与真实值的差距,根据损失函数调整模型参数,使得损失函数变小;通过梯度下降法计算模型中各参数对损失函数值的梯度,将模型参数沿着使得损失函数减小的方向移动一定步长即为完成了一次优化;
S3:模型训练
对数据增广和训练数据池策略增加训练数据量;
S4:前向计算过程
模型训练之后,在实际使用过程中,其流程如下:
对于一张输入图像,两分支输出向量的均值为模型最终的输出结果,全局分支输出特征经过全局池化层和全连接层变为N维输出向量,FeatureExtractor1输出特征图经过区域检测模块产生对应目标区域的热力图,热力图与原图叠加,削弱背景区域,经过局部分类分支输出特征经过全局池化层和全连接层变为N维输出向量,两分支的N维向量计算均值得到最终的N维输出对于N类牡丹花的识别任务,输出向量最大值对应的维度n即为模型对当前输入图像的预测结果;模型训练后,最终输出的N维向量即表示对应N中花卉的可能性大小,N维向量最大元素对应的种类即为当前输入图像中牡丹花的种类。
2.根据权利要求1所述的一种基于人工智能牡丹品种识别方法,其特征在于,在所述S2的模型学习中,使用了三个损失函数,包括:全局分类分支的分类损失函数、局部分类分支的分类损失函数和注意力模块响应位置的损失函数;其中,全局分类分支和局部分类分支输出均为N维向量,其中N为所有牡丹花种类数,向量的每个维度分别对应当前输入图像在该分支上预测为对应种类牡丹花的概率;全局分类分支和局部分类分支输出分别记为和每个分支对应的标签相同,记为Y,Y为N维独热向量,对于第n类牡丹花样本,Y的第n维yn为1;其余维度均为0;
两个分类分支均使用交叉熵损失函数,表达式如下:
<...
【专利技术属性】
技术研发人员:高剑,李莹莹,孙辉,祝凤金,刘刚义,
申请(专利权)人:菏泽学院,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。