申请/专利权人：江苏大学

申请日：2020-12-01

公开（公告）日：2021-07-23

公开（公告）号：CN113160108A

主分类号：G06T7/00(20170101)

分类号：G06T7/00(20170101);G06F16/51(20190101);G06F16/583(20190101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.08.10#实质审查的生效;2021.07.23#公开

摘要：本发明公开了一种少样本多类饵料的顺序查询计数方法，通过摄像头灵活采集符合投喂实际的饵料图像，仅依靠点注释对图像进行标记以构建支撑和查询图像集；然后将提取的特征图采用循环注意力机制，以标签坐标的字典顺序关注查询图像中的每个饵料，计算其注意力图谱以加权获取查询特征向量，之后再将其与从支撑图像中提取的类原型特征向量共同经过线性层，将小样本的饵料分类问题转化为一种线性分类模型；最后通过计算查询饵料对应的高维特征向量与各类饵料原型之间的距离以预测每个饵料的类别，实现对饵料剩余量的计数跟踪。该方法适用少样本多类饵料的计数，是科学测量各种饵料余量和河蟹摄食能力系数以建立现代化养殖投喂决策的关键。

主权项：1.一种少样本多类饵料的顺序查询计数方法，其特征在于，包括以下步骤：步骤1，具有类和目标分布的饵料图像数据集的采集；步骤2，采用像素点级注释构建支撑图像集与查询图像集；步骤3，为了适应少样本多类饵料的计数，本发明弱监督多类饵料顺序查询计数模型，首先使用提供的像素点级注释，将注意力引向图像中的饵料实例，以学习、输出每个饵料实例的分割掩码，实现从背景中区分、定位饵料的位置；然后，采用类未知的循环注意力机制，按照特定的预定顺序依次关注图像中的饵料并提取其相关特征，实现将每个饵料分类为支撑集中的一个类；具体而言，该少样本多类饵料的顺序查询计数模型主要由以下步骤、结构实现：步骤3.1，将支撑集图像和查询图像输入到共享特征提取器IVoVNet-19以提取特征图；步骤3.2，对于查询图像，提取的每个图像的特征图使用循环神经网络和顺序注意力机制在一个循环体制中相互作用，为图像中的每个饵料生成空间加权图，继而为每个饵料生成查询特征向量；步骤3.3，而对于支撑图像，提取的每个图像的特征图使用循环神经网络和从注释的像素点生成的高斯图，为图像中感兴趣的饵料目标和背景类生成权重图，继而为每类饵料创建原型特征向量；步骤3.4，通过将查询特征向量与支撑图像中提取的一组原型特征进行互相关比较，来为图像中存在的每个饵料输出类索引，从而实现复杂多类饵料的定位、分类和计数；步骤4，构建计数模型目标损失函数；步骤5，像素点级注释标签的处理；步骤6，计数模型的有效训练。

全文数据：

权利要求：

百度查询： 江苏大学 一种少样本多类饵料的顺序查询计数方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD