System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像检测领域,且更为具体的涉及一种视觉图像识别处理系统及方法。
技术介绍
1、动物品种识别可以帮助科学家和保护组织监测和保护野生动物的种群。通过识别动物品种,可以了解不同物种的分布、数量和生境需求,从而制定合适的保护策略和管理计划,促进生物多样性的保护和可持续发展。传统的动物图像识别处理方式主要基于传统的机器学习方法,如支持向量机(svm)、随机森林等。这些方法通常需要手动设计和选择图像特征,然后使用这些特征训练分类器或回归模型。传统的动物图像识别处理方式的主要步骤包括:图像获取、图像预处理、特征提取、特征表示、训练分类器、测试和预测。在传统的方法中,特征提取是从预处理后的图像中提取手工设计的特征,如边缘、纹理、颜色等。然而,传统的特征提取存在一些缺点:1、特征设计困难:手工设计特征需要领域专家的知识和经验,对于复杂的图像问题,特征的设计可能变得非常困难。2、特征表示限制:手工设计的特征表示可能无法捕捉到图像中的复杂和抽象的信息,导致识别性能有限。
2、因此,期待一种优化的视觉图像识别处理方案。
技术实现思路
1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种视觉图像识别处理系统及方法,其使用基于深度学习领域的人工智能技术来对待检测图像进行特征提取和编码,以得到动物的种类的分类结果。这样,通过使用计算机视觉来智能分析图像,提高了图像检测的准确性,降低了对特征设计的复杂性。
2、根据本申请的一个方面,提供了一种视觉图像识别处理系统,其包
3、图像采集模块,用于获取待检测图像;
4、特征提取模块,用于将所述待检测图像通过第一卷积神经网络模型以得到第一特征图;
5、空间注意力模块,用于将所述待检测图像通过使用空间注意力机制的第二卷积神经网络模型以得到第二特征图;
6、差分模块,用于计算所述第一特征图和所述第二特征图之间的差分以得到差分特征图;
7、优化模块,用于对所述差分特征图进行优化以得到优化差分特征向量;
8、图像类型判别模块,用于将所述优化差分特征向量通过分类器以得到分类结果,所述分类结果用于表示动物的种类。
9、在上述的视觉图像识别处理系统中,所述空间注意力模块,用于:
10、使用所述第二卷积神经网络的各层在层的正向传递中对输入数据分别进行:
11、基于卷积核对所述输入数据进行卷积处理以得到卷积特征图;
12、将所述卷积特征图通过空间注意力模块以得到空间注意力得分矩阵;
13、将所述空间注意力得分矩阵与所述待检测图像沿通道维度的各个特征矩阵进行按位置点乘以得到空间注意力特征图;
14、对所述空间注意力特征图进行基于局部特征矩阵的池化处理以得到池化特征图;
15、对所述池化特征图进行非线性激活以得到激活特征图;
16、其中,所述使用空间注意力机制的第二卷积神经网络的最后一层的输出为所述第二特征图,所述使用空间注意力机制的第二卷积神经网络的第一层的输入为所述待检测图像。
17、在上述的视觉图像识别处理系统中,所述优化模块,包括:
18、展开单元,用于对所述差分特征图展开以得到差分特征向量;
19、优化单元,用于对所述差分特征向量进行特征节点间的拓扑信息聚合以得到优化差分特征向量。
20、在上述的视觉图像识别处理系统中,所述优化单元,用于:
21、以如下优化公式对所述差分特征向量进行特征节点间的拓扑信息聚合以得到优化差分特征向量;其中,所述优化公式为:
22、
23、其中,fi表示所述差分特征向量的第i个位置的特征值,softmax表示归一化指数函数,fi'表示所述优化差分特征向量的第i个位置的特征值,e表示自然常数。
24、根据本申请的另一方面,还提供了一种视觉图像识别处理方法,其包括:
25、获取待检测图像;
26、将所述待检测图像通过第一卷积神经网络模型以得到第一特征图;
27、将所述待检测图像通过使用空间注意力机制的第二卷积神经网络模型以得到第二特征图;
28、计算所述第一特征图和所述第二特征图之间的差分以得到差分特征图;
29、对所述差分特征图进行优化以得到优化差分特征向量;
30、将所述优化差分特征向量通过分类器以得到分类结果,所述分类结果用于表示动物的种类。
31、与现有技术相比,本申请提供的视觉图像识别处理系统及方法,其使用基于深度学习领域的人工智能技术来对待检测图像进行特征提取和编码,以得到动物的种类的分类结果。这样,通过使用计算机视觉来智能分析图像,提高了图像检测的准确性,降低了对特征设计的复杂性。
本文档来自技高网...【技术保护点】
1.一种视觉图像识别处理系统,其特征在于,包括:
2.根据权利要求1所述的视觉图像识别处理系统,其特征在于,所述特征提取模块,用于:
3.根据权利要求2所述的视觉图像识别处理系统,其特征在于,所述空间注意力模块,用于:
4.根据权利要求3所述的视觉图像识别处理系统,其特征在于,所述差分模块,用于:
5.根据权利要求4所述的视觉图像识别处理系统,其特征在于,所述优化模块,包括:
6.根据权利要求5所述的视觉图像识别处理系统,其特征在于,所述优化单元,用于:
7.根据权利要求6所述的视觉图像识别处理系统,其特征在于,所述图像类型判别模块,包括:
8.一种视觉图像识别处理方法,其特征在于,包括:
9.根据权利要求8所述的视觉图像识别处理方法,其特征在于,将所述待检测图像通过第一卷积神经网络模型以得到第一特征图,用于:
10.根据权利要求9所述的视觉图像识别处理方法,其特征在于,将所述待检测图像通过使用空间注意力机制的第二卷积神经网络模型以得到第二特征图,用于:
【技术特征摘要】
1.一种视觉图像识别处理系统,其特征在于,包括:
2.根据权利要求1所述的视觉图像识别处理系统,其特征在于,所述特征提取模块,用于:
3.根据权利要求2所述的视觉图像识别处理系统,其特征在于,所述空间注意力模块,用于:
4.根据权利要求3所述的视觉图像识别处理系统,其特征在于,所述差分模块,用于:
5.根据权利要求4所述的视觉图像识别处理系统,其特征在于,所述优化模块,包括:
6.根据权利要求5所述的视觉图像识别处理系统,其...
【专利技术属性】
技术研发人员:李仕朝,
申请(专利权)人:上海困斯盎互联网科技有限公司,
类型:发明
国别省市:
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。