申请/专利权人:云南大学
申请日:2023-12-29
公开(公告)日:2024-04-02
公开(公告)号:CN117809187A
主分类号:G06V20/10
分类号:G06V20/10;G06V10/774;G06V10/40;G06V10/764;G06V10/82;G06N3/0464;G06N3/045;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明公开了一种基于成对特征学习的细粒度植物品种识别方法,构建植物品种识别模型,包括特征提取模块和分类模块,特征提取模块和分类模块之间设置互注意力学习模块,从而构建得到成对特征学习网络,采用训练样本集对成对特征学习网络进行训练,然后从训练好的成对特征学习网络中提取特征提取模块和分类模块,构成训练好的植物品种识别模型,将待识别叶片图像输入训练好的植物品种识别模型,得到识别结果。本发明通过成对特征学习网络学习同类叶片之间的相似特征和不同类叶片的差异特征,以比较叶片之间的细微差异,从而提高植物品种识别的准确率。
主权项:1.一种基于成对特征学习的细粒度植物品种识别方法,其特征在于,包括以下步骤:S1:根据实际情况采集若干植物的叶片图像样本,并对每个叶片图像样本标注其植物品种,从而得到训练样本集;S2:根据实际情况构建植物品种识别模型,包括特征提取模块和分类模块,特征提取模块用于对叶片图像进行特征提取得到叶片特征,分类模块用于根据叶片特征得到分类结果;S3:在植物品种识别模型的特征提取模块和分类模块之间设置互注意力学习模块,从而构建得到成对特征学习网络;对于训练样本集中的训练样本I,从其同类样本中筛选正样本Is,从其不同类样本中筛选负样本Id,然后分别输入特征提取模块得到对应的训练样本特征X、正样本特征Xs、负样本特征Xd,将训练样本特征X、正样本特征Xs、负样本特征Xd输入互注意力学习模块,提取训练样本特征X和正样本特征Xs之间的互注意力、训练样本特征X和负样本特征Xd之间的互注意力并根据互注意力将三个特征融合,得到特征X′并输入分类模块得到分类结果;S4:采用训练样本集对成对特征学习网络进行训练,其中每个批次训练样本采用如下方法进行选择:在训练样本集所有类别中随机选择N个类别,每个类别随机选择K个训练样本,然后将这N×K个训练样本分别输入当前特征提取模块,得到每个训练样本的特征;对于每个训练样本,从该训练样本的同类样本中筛选出与特征相似度最大的作为正样本,从该训练样本的不同类样本中筛选出与特征相似度最小的作为负样本;然后从训练好的成对特征学习网络中提取特征提取模块和分类模块,构成训练好的植物品种识别模型;S5:将待识别叶片图像输入训练好的植物品种识别模型,得到识别结果。
全文数据:
权利要求:
百度查询: 云南大学 基于成对特征学习的细粒度植物品种识别方法
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。