摘要:
权利要求书:
1.一种基于人工智能牡丹品种识别方法,其特征在于,对包含有牡丹花卉的图像进入行如下识别方法,包括:
S1:数据处理,形成用于模型训练的完整标签
对牡丹花卉的图像添加:常规的牡丹花种类分类标签,以及还有牡丹花位置信息的标签,经数据处理后,对牡丹花卉的花瓣主体处形成边框;
每个边框对应产生一个响应区域,对于某一表示为(X,Y,H,W)的边框,X,Y为边框左上角坐标,H,W分别为边框的高和宽,生成响应区域标签过程如下:
在以边框中心为中心的区域内,产生高斯分布的响应区域;
对于边框(X,Y,H,W),其中心点为
高斯分布区域半径:
通过经验常数,计算可得到高斯分布方差为:
由该方差,根据二维高斯分布公式,计算出边框中心点半径r范围内的响应值;进一步,通过对所有边框的计算,得到牡丹花卉图像的关键区域响应图;所述响应图和牡丹花卉类别标签构成了用于模型训练的完整标签;
S2:模型学习
损失函数用来计算统计学习模型的预测值与真实值的差距,根据损失函数调整模型参数,使得损失函数变小;通过梯度下降法计算模型中各参数对损失函数值的梯度,将模型参数沿着使得损失函数减小的方向移动一定步长即为完成了一次优化;
S3:模型训练
对数据增广和训练数据池策略增加训练数据量;
S4:前向计算过程
模型训练之后,在实际使用过程中,其流程如下:
对于一张输入图像,两分支输出向量的均值为模型最终的输出结果,全局分支输出特征经过全局池化层和全连接层变为N维输出向量,Feature Extractor 1输出特征图经过区域检测模块产生对应目标区域的热力图,热力图与原图叠加,削弱背景区域,经过局部分类分支输出特征经过全局池化层和全连接层变为N维输出向量,两分支的N维向量计算均值得到最终的N维输出对于N类牡丹花的识别任务,输出向量最大值对应的维度n即为模型对当前输入图像的预测结果;模型训练后,最终输出的N维向量即表示对应N中花卉的可能性大小,N维向量最大元素对应的种类即为当前输入图像中牡丹花的种类。
2.根据权利要求1所述的一种基于人工智能牡丹品种识别方法,其特征在于,在所述S2的模型学习中,使用了三个损失函数,包括:全局分类分支的分类损失函数、局部分类分支的分类损失函数和注意力模块响应位置的损失函数;其中,全局分类分支和局部分类分支输出均为N维向量,其中N为所有牡丹花种类数,向量的每个维度分别对应当前输入图像在该分支上预测为对应种类牡丹花的概率;全局分类分支和局部分类分支输出分别记为 和每个分支对应的标签相同,记为Y,Y为N维独热向量,对于第n类牡丹花样本,Y的第n维yn为1;其余维度均为0;
两个分类分支均使用交叉熵损失函数,表达式如下:
所述注意力模块的输出为二维数组,每个像素值均在0-1范围内;注意力模块输出接近边框生成的响应图标签,损失函数由响应图与注意力模块输出逐像素计算差异得到。
3.根据权利要求2所述的一种基于人工智能牡丹品种识别方法,其特征在于,所述注意力模块使用center loss进行训练,根据中心点信息对其进行优化。
4.根据权利要求3所述的一种基于人工智能牡丹品种识别方法,其特征在于,所述center loss定义如下:
其中,K表示当前图像上目标区域数量,即存在标注物体的数量,xy是标注/输出图中像素点的坐标,c是输出图的通道数,其中,输出和标签为单通道图,即c=1, 为注意力模块在xy位置上的输出值,Yxyc为标签图在xy位置上的值;该损失函数的逻辑是,对于一张图片,注意力模块的总损失是该图片上每个物体区域的损失之和;对于物体中心,其输出值应尽可能接近于1,对于非中心点,其输出值应尽可能接近0,距离中心点越近的点,其损失权重越小。
5.一种记载如权利要求1-4任意一项所述识别方法,并能对牡丹花卉种类进行准确识别的识别系统,其特征在于,包括:图像采集设备和运算设备;
所述图像采集设备用于在模型训练阶段,对牡丹花卉图像通过由尼康单反相机采集,相机型号NIKON D5300,光圈f/5.6,曝光时间1/1000秒,ISO速度ISO-100,焦距140毫米,图像尺寸2992*2000;
所述运算设备为能记载运行本发明所述训练方法及识别方法的设备,优选的,所述运算设备为云端服务器,所述前向计算在英伟达特斯拉V100计算卡上进行。
6.如权利要求5所述的识别系统包括用户层、表示层、业务层、数据访问层以及在层间传递数据的数据传输对象,其中:
(1)用户层
用户层作为客户端程序,用来与用户交互,并把来自系统的信息显示给用户;
(2)表示层
表示层用于控制页面外观,产生页面逻辑以及对用户输入的数据进行合法性验证;优选的,系统中主要包括基于Bootstrap框架的JavaScript脚本及基于CI框架的表单验证;
(3)业务层
业务逻辑对象把业务规则、约束、活动和数据结合在一起,Controller负责对这些业务对象的管理;
(4)数据访问层数据访问对象把底层的数据访问操作和上层的商务逻辑分开。
7.如权利要求5所述的识别系统,其特征在于,采用以下平台搭建环境:
采用JAVA作为开发语言;
软件开发技术栈为:Springboot+SpringMvc+redis+mysql
服务器操作系统:CentOS 7.3.1611;
数据库系统:MySQL 5.7.27。