买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜深圳万知达企业管理有限公司申请的专利一种基于Resnet和随机森林融合的鱼类分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114219957B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111295872.1，技术领域涉及：G06V10/764；该发明授权一种基于Resnet和随机森林融合的鱼类分类方法是由陈露露;臧兆祥;黄天星设计研发完成，并于2021-11-03向国家知识产权局提交的专利申请。

本一种基于Resnet和随机森林融合的鱼类分类方法在说明书摘要公布了：一种基于Resnet和随机森林融合的鱼类分类方法，它包括以下步骤：1.进行数据集的采集、选择，采集若干类海洋鱼类作为初始数据集；2.进行数据集预处理；3.进行数据集的增强；4.进行特征提取网络的构造和图像特征提取，提取出若干类鱼的特征信息；5.进行随机森林的构造，将若干类鱼的特征信息放入随机森林分类器中进行训练；6.构造特征提取网络和随机森林鱼类分类模型；采用所构造的鱼类分类模型进行鱼类的分类。本发明能够在特征信息充分提取的前提下，保证鱼类分类的准确率。

本发明授权一种基于Resnet和随机森林融合的鱼类分类方法在权利要求书中公布了：1.一种基于Resnet和随机森林融合的鱼类分类方法，其特征在于，它包括以下步骤：步骤1：进行数据集的采集、选择，采集若干类海洋鱼类作为初始数据集；步骤2：进行数据集预处理；步骤3：进行数据集的增强；步骤4：进行特征提取网络的构造和图像特征提取，提取出若干类鱼的特征信息；步骤5：进行随机森林的构造，将若干类鱼的特征信息放入随机森林分类器中进行训练；步骤6：构造特征提取网络和随机森林鱼类分类模型；采用所构造的鱼类分类模型进行鱼类的分类；在步骤3中，包括以下步骤：步骤3-1：进行图像翻转：对鱼类图像进行水平翻转或者是垂直翻转；步骤3-2：进行图像旋转：将鱼类图像旋转一定角度；步骤3-3：进行图像平移：将鱼类图像沿水平方向平移或者竖直方向平移；步骤3-4：进行对比度变换：改变鱼类图像的S和V亮度分量；步骤3-5：噪声扰动：对鱼类图像进行椒盐噪声或者高斯噪声；通过以上步骤，扩展每类鱼的图像的数量，并随机打散划分成若干张鱼类训练集和若干张鱼类验证集；在步骤4中，包括以下步骤：步骤4-1：将步骤3获得的鱼类图片输入Resnet网络中，输入图像为多通道，大小为H×W，经过一个卷积核为F，卷积核个数为K，步长为S，在使用CNN处理图像信息时，输入图像中的大部分边缘像素只被卷积核操作一次，而图像中间的像素会被多次扫描；这在一定程度上降低了边界信息的参考程度；另一方面，在使用零填充后，新边界对实际处理的某个部分有影响；同时，可以对不同尺寸的输入图像进行补齐，使其大小一致；设输入尺寸为H,W，后置尺寸为FH,FW，输出尺寸为OPH,OPW，填充长度为P，步幅为s，则输出尺寸公式如下零填充大小为P的卷积操作，输出的大小为H1×W1×K计算公式如式1、式2所示： 步骤4-2：将步骤4-1得出的结果经过BatchNormalization层，能够加速网络收敛和控制过拟合，在BN层中，均值为μ，方差为δ，偏移为β，可学习参数为γ；一个较小数为∈，作用是防止分母为0；输入为X，输出为Y，计算公式如式3、式4所示： Y＝γX1+β4步骤4-3：再经过修正线性单元ReLU激活函数，偏置为b，权重为W，转置矩阵为T，输入为X，输出为Y,计算公式如式5所示：Y＝max0,WT×X+b5步骤4-4：再经过最大池化层MAXPOOL,得出第一阶段的特征图；步骤4-5：将步骤4-4的输出特征图输入到第二阶段，第二阶段由3个bottleneck组成，第1个bottleneck将图像通道增加4倍，第2个和第3个bottleneck保持通道和图像大小不变，得到特征图；步骤4-6：将步骤4-5的输出特征图输入到第三阶段，第三阶段由4个bottleneck组成，第1个bottleneck将图像通道增加2倍，图像尺寸减半，第2个、第3个和第4个bottleneck保持通道和图像大小不变，得到特征图；步骤4-7：将步骤4-6的输出特征图输入到第四阶段，第四阶段由6个bottleneck组成，第1个bottleneck将图像通道增加2倍，图像尺寸减半，第2、3、4、5、6个bottleneck保持通道和图像大小不变，得到特征图；步骤4-8：将步骤4-7的输出特征图输入到第五阶段，第五阶段由3个bottleneck组成，第1个bottleneck将图像通道增加2倍，图像尺寸减半，第2个和第3个bottleneck保持通道和图像大小不变，得到特征图；步骤4-9：将步骤4-8得到的特征图经过输出大小为1×1的平均池化层，减小计算的参数量，防止过拟合，再经过展平操作，得出维度为D的图像特征向量；步骤4-10：Resnet网络选用NLLLoss损失函数，在NLLLoss损失函数中，输入为x,目标为y,权重为w,批次大小为N，默认还原为“mean”,它的计算公式如式6所示： 步骤4-11：网络权重的更新，预测结果和实际结果的计算损失进行网络节点的更新；步骤4-12：获取训练集的特征集，将数据集经过上述步骤4-1至步骤4-11更新之后的特征提取网络，得出大小为N，长度为D的图像特征集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳万知达企业管理有限公司，其通讯地址为：518000 广东省深圳市龙华区大浪街道同胜社区华兴路13号智云产业园A栋1003；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。