買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜深圳萬知達企業(yè)管理有限公司申請的專利一種基于Resnet和隨機森林融合的魚類分類方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN114219957B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202111295872.1，技術領域涉及：G06V10/764；該發(fā)明授權一種基于Resnet和隨機森林融合的魚類分類方法是由陳露露;臧兆祥;黃天星設計研發(fā)完成，并于2021-11-03向國家知識產(chǎn)權局提交的專利申請。

本一種基于Resnet和隨機森林融合的魚類分類方法在說明書摘要公布了：一種基于Resnet和隨機森林融合的魚類分類方法，它包括以下步驟：1.進行數(shù)據(jù)集的采集、選擇，采集若干類海洋魚類作為初始數(shù)據(jù)集；2.進行數(shù)據(jù)集預處理；3.進行數(shù)據(jù)集的增強；4.進行特征提取網(wǎng)絡的構造和圖像特征提取，提取出若干類魚的特征信息；5.進行隨機森林的構造，將若干類魚的特征信息放入隨機森林分類器中進行訓練；6.構造特征提取網(wǎng)絡和隨機森林魚類分類模型；采用所構造的魚類分類模型進行魚類的分類。本發(fā)明能夠在特征信息充分提取的前提下，保證魚類分類的準確率。

本發(fā)明授權一種基于Resnet和隨機森林融合的魚類分類方法在權利要求書中公布了：1.一種基于Resnet和隨機森林融合的魚類分類方法，其特征在于，它包括以下步驟：步驟1：進行數(shù)據(jù)集的采集、選擇，采集若干類海洋魚類作為初始數(shù)據(jù)集；步驟2：進行數(shù)據(jù)集預處理；步驟3：進行數(shù)據(jù)集的增強；步驟4：進行特征提取網(wǎng)絡的構造和圖像特征提取，提取出若干類魚的特征信息；步驟5：進行隨機森林的構造，將若干類魚的特征信息放入隨機森林分類器中進行訓練；步驟6：構造特征提取網(wǎng)絡和隨機森林魚類分類模型；采用所構造的魚類分類模型進行魚類的分類；在步驟3中，包括以下步驟：步驟3-1：進行圖像翻轉(zhuǎn)：對魚類圖像進行水平翻轉(zhuǎn)或者是垂直翻轉(zhuǎn)；步驟3-2：進行圖像旋轉(zhuǎn)：將魚類圖像旋轉(zhuǎn)一定角度；步驟3-3：進行圖像平移：將魚類圖像沿水平方向平移或者豎直方向平移；步驟3-4：進行對比度變換：改變魚類圖像的S和V亮度分量；步驟3-5：噪聲擾動：對魚類圖像進行椒鹽噪聲或者高斯噪聲；通過以上步驟，擴展每類魚的圖像的數(shù)量，并隨機打散劃分成若干張魚類訓練集和若干張魚類驗證集；在步驟4中，包括以下步驟：步驟4-1：將步驟3獲得的魚類圖片輸入Resnet網(wǎng)絡中，輸入圖像為多通道，大小為H×W，經(jīng)過一個卷積核為F，卷積核個數(shù)為K，步長為S，在使用CNN處理圖像信息時，輸入圖像中的大部分邊緣像素只被卷積核操作一次，而圖像中間的像素會被多次掃描；這在一定程度上降低了邊界信息的參考程度；另一方面，在使用零填充后，新邊界對實際處理的某個部分有影響；同時，可以對不同尺寸的輸入圖像進行補齊，使其大小一致；設輸入尺寸為H,W，后置尺寸為FH,FW，輸出尺寸為OPH,OPW，填充長度為P，步幅為s，則輸出尺寸公式如下零填充大小為P的卷積操作，輸出的大小為H1×W1×K計算公式如式1、式2所示： 步驟4-2：將步驟4-1得出的結果經(jīng)過BatchNormalization層，能夠加速網(wǎng)絡收斂和控制過擬合，在BN層中，均值為μ，方差為δ，偏移為β，可學習參數(shù)為γ；一個較小數(shù)為∈，作用是防止分母為0；輸入為X，輸出為Y，計算公式如式3、式4所示： Y＝γX1+β4步驟4-3：再經(jīng)過修正線性單元ReLU激活函數(shù)，偏置為b，權重為W，轉(zhuǎn)置矩陣為T，輸入為X，輸出為Y,計算公式如式5所示：Y＝max0,WT×X+b5步驟4-4：再經(jīng)過最大池化層MAXPOOL,得出第一階段的特征圖；步驟4-5：將步驟4-4的輸出特征圖輸入到第二階段，第二階段由3個bottleneck組成，第1個bottleneck將圖像通道增加4倍，第2個和第3個bottleneck保持通道和圖像大小不變，得到特征圖；步驟4-6：將步驟4-5的輸出特征圖輸入到第三階段，第三階段由4個bottleneck組成，第1個bottleneck將圖像通道增加2倍，圖像尺寸減半，第2個、第3個和第4個bottleneck保持通道和圖像大小不變，得到特征圖；步驟4-7：將步驟4-6的輸出特征圖輸入到第四階段，第四階段由6個bottleneck組成，第1個bottleneck將圖像通道增加2倍，圖像尺寸減半，第2、3、4、5、6個bottleneck保持通道和圖像大小不變，得到特征圖；步驟4-8：將步驟4-7的輸出特征圖輸入到第五階段，第五階段由3個bottleneck組成，第1個bottleneck將圖像通道增加2倍，圖像尺寸減半，第2個和第3個bottleneck保持通道和圖像大小不變，得到特征圖；步驟4-9：將步驟4-8得到的特征圖經(jīng)過輸出大小為1×1的平均池化層，減小計算的參數(shù)量，防止過擬合，再經(jīng)過展平操作，得出維度為D的圖像特征向量；步驟4-10：Resnet網(wǎng)絡選用NLLLoss損失函數(shù)，在NLLLoss損失函數(shù)中，輸入為x,目標為y,權重為w,批次大小為N，默認還原為“mean”,它的計算公式如式6所示： 步驟4-11：網(wǎng)絡權重的更新，預測結果和實際結果的計算損失進行網(wǎng)絡節(jié)點的更新；步驟4-12：獲取訓練集的特征集，將數(shù)據(jù)集經(jīng)過上述步驟4-1至步驟4-11更新之后的特征提取網(wǎng)絡，得出大小為N，長度為D的圖像特征集。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" >深圳萬知達企業(yè)管理有限公司，其通訊地址為：518000 廣東省深圳市龍華區(qū)大浪街道同勝社區(qū)華興路13號智云產(chǎn)業(yè)園A棟1003；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。