基于YOLOv1算法的生态生物识别方法与流程

技术特征：
1.基于yolo v1算法的生态生物识别方法，其特征在于，包括如下步骤：s1发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；s2采用图像归一法和图像增强法对采集的生物图像数据进行预处理，得到预处理后的生物图像数据；s3通过yolo v1算法对预处理后的生物图像数据进行目标检测；s31选取整张生物图像，将图像resize到s*s个网格作为神经网络的输入；s32运行神经网络，得到一些bounding box坐标，box中包含物体的置信度和class probabilities；s33进行非极大值抑制，筛选boxes，并进行nms处理，得到最终的检测结果；s4将检测后的生物图像与图像信息匹配，进行生态生物识别。2.根据权利要求1所述的基于yolo v1算法的生态生物识别方法，其特征在于，所述步骤s2中如果某个object的中心落在这个网格中，则这个神经网格就负责预测这个object。3.根据权利要求1所述的基于yolo v1算法的生态生物识别方法，其特征在于，所述步骤s1中的每个网格要预测b个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值。4.根据权利要求3所述的基于yolo v1算法的生态生物识别方法，其特征在于，所述confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息，其值的计算方式为：其中如果有object落在一个grid cell里，第一项取1，否则取0，第二项是预测的bounding box和实际的groundtruth之间的iou值。5.根据权利要求1所述的基于yolo v1算法的生态生物识别方法，其特征在于，所述步骤s2每个bounding box要预测(x,y,w,h)和confidence共5个值，每个网格还要预测一个类别信息，记为c类，则sxs个网格中每个网格要预测b个bounding box还要预测c个categories，输出s x s x(5*b c)的一个tensor。6.根据权利要求1所述的基于yolo v1算法的生态生物识别方法，其特征在于，所述步骤s3中每个网格预测的class信息和bounding box预测的confidence信息相乘，就得到每个bounding box的class-specific confidence score，这个乘积即encode了预测的box属于某一类的概率，也有该box准确度的信息。7.根据权利要求1所述的基于yolo v1算法的生态生物识别方法，其特征在于，所述步骤s33得到每个bbox的class-specific confidence score以后，设置阈值，滤掉得分低的boxes，对保留的boxes进行nms处理，得到最终的检测结果。8.根据权利要求1所述的基于yolo v1算法的生态生物识别方法，其特征在于，所述采集生物图像数据通过分布式存储器进行存储。

技术总结
本发明公开了基于YOLO v1算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；采用图像归一法和图像增强法对采集的生物图像数据进行预处理，得到预处理后的生物图像数据；通过YOLO v1算法对预处理后的生物图像数据进行目标检测；将检测后的生物图像与图像信息匹配，进行生态生物识别。本发明通过设置YOLO v1算法对生态生物识别，速度快，能够达到实时的要求，在Titan X的GPU上能够达到45帧每秒，使用全图作为Context信息，把背景错认为物体比较少，泛化能力强。泛化能力强。泛化能力强。


技术研发人员：杨志峰 沈永明 张远 蔡宴朋
受保护的技术使用者：澜途集思（深圳）数字科技有限公司
技术研发日：2022.03.01
技术公布日：2022/5/30