申请/专利权人：云南大学

申请日：2024-04-19

公开（公告）日：2024-06-25

公开（公告）号：CN118072046B

主分类号：G06V10/74

分类号：G06V10/74;G06N3/042;G06N3/045;G06V10/44;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.06.11#实质审查的生效;2024.05.24#公开

摘要：本发明涉及菊花相似品种识别技术领域，公开了一种菊花相似品种细粒度识别方法、装置、设备及存储介质，该方法包括：利用编码器对输入的菊花图像进行菊花图像位置编码，获得节点网络图；采用图像特征信息提取网络对节点网络图中的特征进行聚合和更新，获得菊花图像的图像特征；将提取的图像特征进行菊花性状词向量化，获得菊花图像的词向量编码；利用训练好的相似性特征提取网络对全部品种的菊花图像进行向量提取，计算目标菊花品种与其余菊花品种的余弦相似度，确定目标菊花品种的相似品种。本发明通过使用孪生网络和多模态的构思，捕捉菊花图片的判别性特征，充分提取出特征向量，更好地契合相似品种识别的任务，具有较高的识别准确率与效率。

主权项：1.一种菊花相似品种细粒度识别方法，其特征在于，包括以下步骤：利用编码器对输入的菊花图像进行菊花图像位置编码，获得节点网络图；采用图像特征信息提取网络对节点网络图中的特征进行聚合和更新，获得菊花图像的图像特征；其中，所述图像特征信息提取网络采用V-GNN模型；将提取的图像特征进行菊花性状词向量化，获得菊花图像的词向量编码；具体包括：将菊花品种的性状数据整理为数据集，将每个性状特征视为一个词，以构建训练样本；在gensim库，以每个性状特征为中心词，从固定大小的窗口内选择上下文词，将每个性状特征作为Skip-gram模型的训练输入，将每个性状特征的上下文词作为Skip-gram模型的训练输出，以此对Skip-gram模型进行训练；利用训练好的Skip-gram模型对提取的图像特征进行菊花性状词向量化，获得菊花图像的词向量编码；其中，对于每个性状特征，通过查询模型，获取对应的词向量表示：首先使用wiki语料库作为训练模型的数据集，然后使用gensim来训练词向量，使用skip-gram算法，维度大小128，训练完成后，用得到的word2vec模型来提取菊花特征的向量，将提取的5个128维度的向量拼接成640维的词向量，然后与菊花图像的图像特征对应的菊花向量X1进行拼接，在拼接过程中，使用attentionscore的方法来学习一个超参数α，得到拼接后的向量，α∈R，X是一个1664维的向量；利用训练好的相似性特征提取网络对全部品种的菊花图像进行向量提取，计算目标菊花品种与其余菊花品种的余弦相似度，确定目标菊花品种的相似品种；具体包括：将提前训练好的V-GNN模型的权重参数作为预训练加载到孪生网络中，以获得训练好的相似性特征提取网络；将目标菊花品种的图像输入孪生网络中的一个支干网络，将其余菊花品种的图像输入孪生网络中的另一个支干网络，然后将两者作差并分别计算目标菊花品种与其余菊花品种的余弦相似度；将全部其余菊花品种的余弦相似度进行排序，根据相似品种判定要求从余弦相似度排序表中选取出目标菊花品种的相似品种。

全文数据：

权利要求：

百度查询： 云南大学 菊花相似品种细粒度识别方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD