-
公开(公告)号：CN113076860A
公开(公告)日：2021-07-06
申请号：CN202110344311.X
申请日：2021-03-30
Applicant: 南京大学环境规划设计研究院集团股份公司
Abstract: 本发明公开了一种野外场景下的鸟类检测系统的检测方法包括：S1、采集实际场景下的视频数据和网络上已有的鸟类图片、视频数据；S2、对采集到的鸟类数据使用数据预处理软件进行数据预处理；S3、对处理好的鸟类图片数据集进行数据增强；S4、利用数据增强后的鸟类数据集和不包含鸟的背景数据集训练深度学习目标检测模型；S5、将训练好的目标检测模型部署在实际野外环境下的边缘设备上；S6、利用摄像机采集野外场景下的鸟类保护区视频数据；S7、使用深度学习目标检测模型按图像检测目标，将检测结果返回给中心服务器。本发明减少了人工检测的成本，提高了模型的检测效果，得到符合实际场景下的结果，减轻中心服务器的处理压力。
-
公开(公告)号：CN113076861A
公开(公告)日：2021-07-06
申请号：CN202110344587.8
申请日：2021-03-30
Applicant: 南京大学环境规划设计研究院集团股份公司
Abstract: 本发明公开了一种基于二阶特征的鸟类细粒度识别方法，步骤包括：步骤1：采集高质量的鸟类图像数据；步骤2：对采集到的鸟类数据进行质量检测并进行数据标记；步骤3：对标记好的鸟类数据集进行数据增强；步骤4：利用开源数据集对鸟类细粒度分类模型进行预训练；步骤5：利用数据增强后的鸟类数据进行鸟类细粒度分类模型的训练；步骤6，利用摄像头采集真实野外场景下的鸟类保护区图像数据；步骤7：利用目标检测算法检测鸟类主体并利用检测框过滤图像中鸟主体以外的背景；步骤8：对鸟主体图像进行插值处理；步骤9：利用训练好的鸟类细粒度分类模型对帧图像进行鸟类的识别，输出识别结果。本发明有效提高了鸟类识别的准确率。
-
-
Search Results
4
records
(took 0.058 seconds)
