(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210393964.1
(22)申请日 2022.04.14
(71)申请人 中国科学院微电子 研究所
地址 100029 北京市朝阳区北土城西路3号
(72)发明人 高昊君 陈曙东 杜蓉 张雪婷
王宪辉 葛瑨
(74)专利代理 机构 北京华沛德权律师事务所
11302
专利代理师 房德权
(51)Int.Cl.
G06V 40/10(2022.01)
G06V 40/20(2022.01)
G06V 20/40(2022.01)
G06V 10/80(2022.01)
G06V 10/774(2022.01)G06V 10/764(2022.01)
G06V 10/766(2022.01)
G06V 10/82(2022.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
G06K 9/62(2022.01)
(54)发明名称
一种熊蜂斗殴行为的预测方法和装置
(57)摘要
本发明公开了一种熊蜂斗殴行为的预测方
法和装置, 方法包括: 获取训练样本集, 其中, 训
练样本集为多张标注有 标签类别的熊蜂群照片;
根据斗殴识别模 型识别训练样 本集的训练样本,
获得熊蜂轮廓的极坐标系, 其中, 斗殴识别模型
为金字塔结构中融合有注意力机制的残差卷积
神经网络模 型; 根据极坐标系确定斗殴识别模型
的训练预测结果, 待训练预测结果达到预设目标
时, 确定斗殴识别模型完成训练; 根据完成训练
的斗殴识别模型, 识别存在斗殴行为的熊蜂。 预
测方法使用斗殴识别模型得到的一次分类, 和基
于熊蜂轮廓得到的二次分类来共同预测该位置
熊蜂的斗殴情况, 该预测方式结合了熊蜂图片特
征和熊蜂轮廓特征, 进而提高了对熊蜂斗殴行为
预测的准确率。
权利要求书2页 说明书9页 附图4页
CN 114913543 A
2022.08.16
CN 114913543 A
1.一种熊蜂斗殴行为的预测方法, 其特 征在于, 所述方法包括:
获取训练样本集, 其中, 所述训练样本集 为多张标注有标签 类别的熊蜂群照片;
根据斗殴识别模型识别所述训练样本集的训练样本, 获得熊蜂轮廓的极坐标系, 其中,
所述斗殴识别模型为金字塔结构中 融合有注意力机制的残差卷积神经网络模型;
根据所述极坐标系确定所述斗 殴识别模型的训练预测结果, 待所述训练预测结果达到
预设目标时, 确定所述斗殴识别模型完成训练;
根据完成训练的所述斗殴识别模型, 识别存在斗殴行为的熊蜂。
2.根据权利要求1所述的熊蜂斗殴行为的预测方法, 其特征在于, 所述获取训练样本
集, 包括:
弱光照环境下使用不同型号的夜视摄 像机分时段拍摄熊蜂群, 获得活动视频;
按预设帧数分割所述活动视频, 获得 所述熊蜂群活动 照片;
筛分所述熊蜂群活动 照片, 并对应标注所述标签 类别, 获得 所述训练样本集。
3.根据权利要求2所述的熊蜂斗 殴行为的预测方法, 其特征在于, 所述筛分所述熊蜂群
活动照片, 并对应标注所述标签 类别, 获得 所述训练样本集之后, 还 包括:
根据数量增强算法和质量增强算法处理所述熊蜂群活动照片, 更新所述取训练样本
集。
4.根据权利要求1所述的熊蜂斗 殴行为的预测方法, 其特征在于, 所述根据斗殴识别模
型识别所述训练样本集的训练样本, 获得熊蜂轮廓的极坐标系, 包括:
根据斗殴识别模型处 理所述训练样本, 获得映射于所述熊蜂轮廓的多个回归坐标点;
在所述多个回归坐标点中确定出中心坐标点;
根据所述中心坐标点至所述熊蜂轮廓的预设数量线段, 获得 所述极坐标系。
5.根据权利要求4所述的熊蜂斗 殴行为的预测方法, 其特征在于, 所述根据斗殴识别模
型处理所述训练样本, 获得映射于所述熊蜂轮廓的多个回归坐标点, 包括:
输入所述训练样本 至所述斗殴识别模型进行 卷积计算, 获得 预设层数的特 征图;
映射所述特 征图上的每 个特征点至所述训练样本;
根据所述训练样本标注的所述熊蜂轮廓中所有所述特征点, 确定为所述多个回归坐标
点。
6.根据权利要求4所述的熊蜂斗 殴行为的预测方法, 其特征在于, 所述在所述多个回归
坐标点中确定出中心坐标点, 包括:
根据每个回归坐标点至所述熊蜂轮廓的预设数量的辐射点, 对应获得所述预设数量的
辐射距离, 所述每 个回归坐标点 为所述多个回归坐标点中的任一回归坐标点;
根据所述预设数量的所述辐射距离的乘积, 获得回归坐标点的回归结果;
根据所有所述回归结果中的最大值, 确定对应的所述回归坐标点 为所述中心坐标点。
7.根据权利要求1所述的熊蜂斗 殴行为的预测方法, 其特征在于, 所述根据所述极坐标
系确定所述斗殴识别模型的训练预测结果, 包括:
根据所述极坐标系的回归信 息和所述斗 殴识别模型的二元交叉熵损失函数, 确定所述
训练预测结果。
8.一种熊蜂斗殴行为的预测装置, 其特 征在于, 所述装置包括:
获取模块, 用于获取训练样本集, 其中, 所述训练样本集为多张标注有标签类别的熊蜂权 利 要 求 书 1/2 页
2
CN 114913543 A
2群照片;
获得模块, 用于根据斗殴识别模型识别所述训练样本集的训练样本, 获得熊蜂轮廓的
极坐标系, 其中, 所述斗殴识别模型为金字塔结构 中融合有注意力机制的残差卷积神经网
络模型;
确定模块, 用于根据所述极坐标系确定所述斗殴识别模型的训练预测结果, 待所述训
练预测结果达 到预设目标时, 确定所述斗殴识别模型完成训练;
识别模块, 用于根据完成训练的所述斗殴识别模型, 识别存在斗殴行为的熊蜂。
9.一种电子设备, 其特征在于, 包括处理器和存储器, 所述存储器耦接到所述处理器,
所述存储器存储指令, 当所述指令由所述处理器执行时使所述电子设备执行权利要求1 ‑7
中任一项所述方法的步骤。
10.一种计算机可读存储介质, 其上存储有计算机程序, 其特征在于, 该程序被处理器
执行时实现权利要求1 ‑7中任一项所述方法的步骤。权 利 要 求 书 2/2 页
3
CN 114913543 A
3
专利 一种熊蜂斗殴行为的预测方法和装置
安全报告 >
其他 >
文档预览
中文文档
16 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共16页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:34:56上传分享