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！

申请/专利权人：陕西师范大学

摘要：一种基于量子叠加的蝴蝶检测方法，由构建蝴蝶检测数据集、构建蝴蝶检测网络、训练蝴蝶检测网络、保存模型、测试蝴蝶检测网络步骤组成。本发明采用了量子叠加层和量子特征提取层，增强了对蝴蝶图像的特征提取能力；采用了量子特征交互层，完成了多层级特征图的信息交互，解决了现有的蝴蝶图像特征提取难问题，提升了蝴蝶检测的精度与速度。采用本发明方法与现有目标检测方法在蝴蝶数据集上进行对比实验，实验结果表明，本发明提出的蝴蝶检测方法在相同数据集上的评价指标mAP[0.5]优于其他目标检测方法。本发明具有检测速度快、检测准确、识别率高、解析识别精确等优点，可用于野外环境下的蝴蝶检测与分类，也可用于其他昆虫的检测与分类。

主权项：1.一种基于量子叠加的蝴蝶检测方法，其特征在于由以下步骤组成：1构建蝴蝶检测数据集将蝴蝶图片调整为高H宽W像素的图像，标记为H×W×C，C表示图像三个通道，用yolo格式进行标注，将蝴蝶的种类随机排列并确定序号，以序号表示种类，用矩形框框选蝴蝶，采用labelimg软件确定矩形框左上角和右下角的二维坐标，得到蝴蝶位置，对蝴蝶图像的位置、种类进行标注，得到图像中蝴蝶信息的txt文件，构建成蝴蝶检测数据集，按9：1划分为训练集、测试集；2构建蝴蝶检测网络蝴蝶检测网络由CSPDarkNet网络与双流FPN网络、量子特征交互层1、量子特征交互层2、量子特征交互层3、DecoupledHead模块构成，CSPDarkNet网络与双流FPN网络、量子特征交互层2、DecoupledHead模块依次连接，双流FPN网络一输出端通过量子特征交互层1与DecoupledHead模块相连、另一输出端通过量子特征交互层3与DecoupledHead模块相连；3训练蝴蝶检测网络1构建损失函数损失函数由分类损失函数VFL和回归损失函数LCIoU组成；按下式确定分类损失函数VFL： 其中，p为网络输出的类别概率，q为预测框和真实框的交并比，α和γ是超参数，α取值为[0.5,1]，γ取值为[1,6]；按下式确定回归损失函数LCIoU： 其中，IoU表示交并比，IoU输出范围为[0,1，0表示没有重叠，1表示完全重叠，wgt表示真实框宽的像素数，hgt表示真实框高的像素数，w表示预测框宽的像素数，h表示预测框高的像素数，b表示预测框的中心点，bgt表示真实框的中心点，ρ表示两个中心点之间的欧式距离，c表示同时覆盖两个框最小区域的对角线长度；2训练蝴蝶检测网络将训练集输入到蝴蝶检测网络中进行训练，训练的服务器显卡为RTX3090，初始学习率为0.01，训练轮数为200，训练的批尺寸大小为8，训练至损失函数收敛；4保存模型训练蝴蝶检测网络过程中，保留收敛后的权重文件。5测试蝴蝶检测网络将测试集输入到训练后的蝴蝶检测网络中，加载权重文件进行测试，对蝴蝶图像进行检测，输出分类标签信息和预测的矩形框位置，与真实信息比对验证方法的性能。

全文数据：

权利要求：

百度查询： 陕西师范大学 基于量子叠加的蝴蝶检测方法