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
特征提取模块
多阶段特征
激光点云数据
融合特征
图像特征提取
海上风电机组
风险预测模型
周期
监管方法
发电机运行数据
干扰信号检测方法
干扰信号检测系统
时间序列特征提取方法
虚警概率
时间卷积网络
火灾图像特征提取
火灾特征
三维卷积神经网络
融合特征
模块