【技术实现步骤摘要】
本专利技术涉及神经网络,具体涉及一种基于蛇形动态卷积的鸟类识别方法。
技术介绍
1、鸟类撞击航空器是威胁航空安全的重要风险因素。为有效防范鸟类撞击事件,必须全面掌握机场及其周边区域的鸟类分布情况。高效准确地获取鸟类活动数据,对机场开展针对性的鸟害防治工作、保障航空运行安全具有重大意义。
2、传统鸟类识别主要依赖人工观测,这种方式需要对鸟类进行捕捉后再进行识别,由于鸟类运动能力较强、运动范围较大,所以人工观测的方式耗时耗力且效率低下,同时现有深度学习网络在处理鸟类运动过程中的图片时识别率较低。
技术实现思路
1、有鉴于此,本专利技术提供了一种基于动态蛇形卷积的鸟类识别方法,解决了
技术介绍
中涉及的问题。
2、一种基于动态蛇形卷积的鸟类识别方法,包括以下步骤:
3、s1、采集鸟类图像,对鸟类图像进行预处理后,制作鸟类图像数据集;
4、s2、利用dyc2f模块(动态蛇形卷积模块)、bifpn模块(多层双向特征金字塔网络模块)与yolov8模型结合,构
...【技术保护点】
1.一种基于动态蛇形卷积的鸟类识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,所述步骤S1具体为:
3.根据权利要求1所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,所述改进的YOLOv8模型包括Backbone网络、Neck网络和Head网络,具体为:
4.根据权利要求3所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,动态蛇形卷积模块在输入的特征图上进行采样,计算方式如下:
5.根据权利要求3所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,
...【技术特征摘要】
1.一种基于动态蛇形卷积的鸟类识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,所述步骤s1具体为:
3.根据权利要求1所述的一种基于动态蛇形卷积的鸟类识别方法,其特征在于,所述改进的yolov8模型包括backbone网络、...
【专利技术属性】
技术研发人员:张强,张灿智,王开源,曹恒,
申请(专利权)人:中国民用航空飞行学院,
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。