摘要
本发明属于鸟类图像数据流识别技术领域,具体涉及一种融合深度学习和宽度学习的野生鸟类图像数据流在线识别方法及系统,包括:获取初始野生鸟类图像数据流DS,构建初始野生鸟类图像数据集;将DS图像输入到鸟类图像特征提取模块,生成初始样本矩阵;使用初始样本矩阵训练宽度学习BLS模型,得到野生鸟类识别模块;判断是否有新的图像数据流到达或未达到预设要求;若是,计算新增增强节点数量,得到增强节点数量计算模块,使用增量数据流更新权重,得到BLS模型参数更新模块;最终输出训练完成的识别模块,并对待识别的鸟类图像进行分类识别。本发明有效解决了野生鸟类图像数据流下的识别精度和实时性问题,适用于大规模生态监测和保护。
技术关键词
融合深度学习
图像特征提取
在线识别方法
参数更新模块
图像数据采集模块
图像分类模型
识别模块
节点
样本
矩阵
非线性特征
在线识别系统
宽度学习系统
标签
输出模块
精度
系统为您推荐了相关专利信息
数据加解密方法
数据接口
数据加解密装置
密码算法
分块
文本编码器
信息数据处理终端
多模态特征
样本
注意力
情感趋势预测方法
社交媒体平台
时间序列模型
网络爬虫技术
文本