【技术实现步骤摘要】
本专利技术涉及图像识别，尤其涉及基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法。
技术介绍
1、近年来,随着航空事业的快速发展，世界各地鸟撞事故的发生概率呈明显上升趋势，重大鸟撞事故时有发生，事故造成了严重的生命及财产损失，已经引起各国有关部门的高度重视。鸟击事故的频繁发生，是航空兵场站和民航机场的重点和难点问题。目前针对鸟击解决方案大多采用声波、光束、化学、生物等技术手段，如煤气炮、声波驱鸟器、激光驱鸟器、驱鸟风轮、驱鸟剂、无人机驱鸟、驱鸟机器鹰等，虽然能起到一定效果，但由于缺少探测识别装置、无法预警与驱离效果评估、没有智能化算法、驱离手段单一、针对性不强、缺乏大数据分析及深度学习等原因，使得驱鸟未能达到预期效果。
2、随着深度学习在通用图像分类中实现了突破性的进展，尤其是卷积神经网络在特征提取中展现出的强大，同时也让卷积神经网络这一技术开始应用到细粒度图像分类任务之上，并实现了不错的精确度。由于细粒度物体之间的不同之处仅仅存在非常细微的地方，因此如何找寻并定位到关键的局部区域，就成为细粒度图像分类算法要解决的关键...
【技术保护点】
1.基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法，其特征在于，包括：
2.根据权利要求1所述的基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法，其特征在于，获取目标鸟类图像数据集，包括：
3.根据权利要求1所述的基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法，其特征在于，基于卷积神经网络构建鸟类图像识别模型，包括：
4.根据权利要求3所述的基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法，其特征在于，在卷积神经网络模型的训练阶段，还包括：引入对抗样本；具体为：
5.根据权利要求3所述的基于注...
【技术特征摘要】
1.基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法，其特征在于，包括：
2.根据权利要求1所述的基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法，其特征在于，获取目标鸟类图像数据集，包括：
3.根据权利要求1所述的基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法，其特征在于，基于卷积神经网络构建鸟类图像识别模型，包括：
4.根据权利要求3所述的基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法，其特征在于，在卷积神经网络模型的训练阶段，还包括：引入对抗样本；具体为：
5.根据权利要求3所述的基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法，其特征在于，利用鸟类图像识别模型，对目标鸟类图像数据集进行细粒度鸟类识别，获得鸟类识别结果，包括：
6.根据权利要求5所述的基于注意力机制的机场智能驱鸟系统细粒度鸟类图像识别方法，其特征在于，利用注意力机制，对鸟类特征数据集进行关键特征的识别，获得...
【专利技术属性】
技术研发人员：孙磊，徐剑茉，何梦旋，柳士伟，郭鸿昌，
申请(专利权)人：盐城工学院，
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。