-
公开(公告)号:CN109376765A
公开(公告)日:2019-02-22
申请号:CN201811070920.5
申请日:2018-09-14
申请人: 汕头大学
摘要: 本发明提供了一种基于深度学习的蝴蝶自动分类方法,所述方法包括:收集蝴蝶在自然环境中的照片;通过人工标注对所收集到的蝴蝶照片中的部分照片进行标注,构建带有标注框和分类标签的图片库作为训练样本集;采用Faster-RCNN算法,训练一个在照片中用于定位蝴蝶位置的卷积神经网络;采用深度卷积神经网络算法,训练一个用于分类蝴蝶的卷积神经网络;对蝴蝶在自然环境中的照片,先通过用于定位的卷积神经网络定位出蝴蝶的位置,再通过用于分类的卷积神经网络对蝴蝶进行分类鉴定。本发明通过采用Faster-RCNN算法对蝴蝶照片中的蝴蝶进行精确定位,再通过深度卷积神经网络算法以及结合蝴蝶的明显特征对蝴蝶样本进行人工调整,从而可以高效准确地实现对蝴蝶的自动分类。
-
公开(公告)号:CN109344763A
公开(公告)日:2019-02-15
申请号:CN201811127832.4
申请日:2018-09-26
申请人: 汕头大学
CPC分类号: G06K9/0061 , G06K9/6256
摘要: 本发明实施例公开了一种基于卷积神经网络的斜眼检测方法,包括:搜集斜眼图像,并建立由斜眼图像组成的斜眼图像库;利用常见的人脸数据库训练一个用于定位眼部区域的卷积神经网络,并确定卷积神经网络中的学习参数;利用东方人脸数据集OFD和斜眼图像库训练一个用于斜眼识别的卷积神经网络,并确定卷积神经网络中的学习参数;利用训练好的用于定位眼部区域的卷积神经网络定位斜眼图像库中斜眼图像的眼部区域;利用训练好的用于斜眼识别的卷积神经网络识别裁剪得到的眼部区域图像,输出斜眼检测的结果。本发明充分利用卷积神经网络的特征提取及特征学习能力,可以高效准确地判断人是否患有斜眼,有助于医生对斜眼疾病的诊断和治疗。
-