[发明专利]一种基于YOLOv5的鸟类检测与识别方法

权利要求书

1.一种基于YOLOv5的鸟类检测与识别方法，其特征在于：包括如下步骤：

S1：建立数据集，所述数据集包括不同鸟类的图片信息，并对数据集包括不同鸟类的图片信息进行标注并做好分类得到待训练数据集；

S2：搭建好YOLOv5的网络模型，使用所述模型对待训练数据集进行模型参数训练，训练后的模型即可对图像特征进行预测，生成边界框和并预测类别；

S3：将含有鸟类的图片数据输入进S2训练后的模型中得出结果。

2.根据权利要求1所述的一种基于YOLOv5的鸟类检测与识别方法，其特征在于：S2的具体步骤如下：

S21：设置训练路径、读取训练的参数；

S22：加载预训练模型，获得更好的网络模型初始化参数；

S23：选择训练优化器；

S24：加载训练集；

S25：开始训练，更新网络模型参数。

3.根据权利要求2所述的一种基于YOLOv5的鸟类检测与识别方法，其特征在于：所述S23中选择的优化器从一批数据中随机选择部分数据，计算使预测值和真实值差值变小的网络参数变化的方向，然后将网络参数朝该方向变化即可减少差值，并计算损失函数。

4.根据权利要求2所述的一种基于YOLOv5的鸟类检测与识别方法，其特征在于：所述S24中对训练集中的数据进行数据增强处理，处理过程为随机选择四张图片，然后通过随机缩放、随机裁剪、随机排布的方式进行拼接，即可在一定程度上丰富了数据集，增加了检测系统的鲁棒性，实现了对小目标的检测准确率。

5.根据权利要求3所述的一种基于YOLOv5的鸟类检测与识别方法，其特征在于：计算损失函数的步骤如下：

分别计算预测框和标定框面积Ap、Ag；

计算Ap和Ag的重叠面积Ao，找到可以包含预测框和标定框的最小矩形框，并计算其面积Ac；

通过公式计算损失值，其中Ap是预测框面积；Ag是标定框面积；Ao是预测框和标定框的重叠面积；Ac是包含预测框和标定框的最小矩形面积；L是损失函数值。