[发明专利]一种基于显著图的药用植物分类方法

摘要

本发明公开了一种基于显著图的药用植物分类方法。首先通过网络爬虫和图书提取的方式获取植物大规模图像，再经过算法去重和筛选，得到较高质量的常见药用植物数据集。利用卷积神经网络方法获取药用植物主体的显著性区域图，根据显著图采样对原图特征进行放大。分别通过卷积神经网络模型提取原图与采样图的特征，使用双线性池化将原图特征与采样图特征进行融合，得到表征效果更强的融合特征，最后使用分类器对融合特征进行分类，得到药用植物图像的类别。本发明可以根据图片识别药用植物类别，对中草药辨识知识的传播和学习有巨大的促进意义。

主权项

1.一种基于显著图的药用植物分类方法，其特征在于包括以下步骤：1)应用Selenium自动化测试工具进行网络图像获取；标注图书扫描图中的植物图像区域，对图书扫描图中的植物图像进行提取，得到大规模图像；2)采用感知哈希算法生成图像指纹，根据图像指纹对大规模图像进行去重，得到去重后的大规模植物图像数据集；筛选去重后的大规模植物图像数据集中的常见药用植物，得到较高质量的常见药用植物数据集；3)基于较高质量的常见药用植物数据集对ResNet18模型进行预训练；再使用类激活图方法生成药用植物图像的显著图；4)根据显著图对较高质量的常见药用植物数据集中的原图进行采样；5)基于较高质量的常见药用植物数据集对ResNet101模型进行预训练；使用ResNet101模型的卷积层对原图和采样图进行特征提取；6)使用双线性池化融合原图特征与采样图特征；7)使用softmax进行分类。