一种基于非监督学习技术的害虫图像特征学习与自动分类方法
- 专利权人:
- 中国科学院合肥物质科学研究院
- 发明人:
- 谢成军,张超凡,李瑞,宋良图,张洁,周林立,陈红波,刘磊
- 申请号：
- CN201510923441.3
- 公开号：
- CN105574540A
- 申请日:
- 2015.12.10
- 申请国别(地区):
- 中国
- 年份:
- 2016
- 代理人:
- 张祥骞`奚华保
- 摘要：
- 本发明涉及一种基于非监督学习技术的害虫图像特征学习与自动分类方法，与现有技术相比解决了对害虫图像因遮挡和污染导致害虫识别能力差的缺陷。本发明包括以下步骤：进行大规模害虫图像块随机采样；害虫图像的非监督特征字典学习；害虫图像特征编码并进行特征池化操作；多类分类器识别。本发明提高了害虫识别的准确率，利用非监督的字典训练方式构造非监督字典，结合稀疏编码的方式并对特征进行池化操作，实现了特征较强的鉴别力，有效地表示了害虫图像。
- 来源网站：
- 中国工程科技知识中心
