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！

龙图腾网获悉大连海洋大学申请的专利一种基于深度学习的鱼类活跃程度识别模型构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116824435B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310545150.X，技术领域涉及：G06V20/40；该发明授权一种基于深度学习的鱼类活跃程度识别模型构建方法是由缪新颖;唐晓萌;蔡克卫;庞洪帅;王魏;石翔设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本一种基于深度学习的鱼类活跃程度识别模型构建方法在说明书摘要公布了：本发明公开一种基于深度学习的鱼类活跃程度识别模型构建方法，是将3D卷积分解成2D空间卷积和1D时间卷积，2D空间卷积核增大到17×17，并使用5×5卷积核进行重参数化，为模型提供了足够大的感受野和更好的聚合空间信息能力，使模型在特征提取时更加准确，进而提升识别精度，识别精度从41.75％提高到66.99％；同时减少了时空模块的数量，从而大幅度减少参数量，实现了模型轻量化。另外，在时空模块后增加了卷积前馈网络，增加了网络深度，进而提升了模型的表示能力，以达到模型增加更多非线性和跨通道信息交流的目的，能够更好地拟合数据分布来使模型更加灵活。

本发明授权一种基于深度学习的鱼类活跃程度识别模型构建方法在权利要求书中公布了：1.一种基于深度学习的鱼类活跃程度识别模型构建方法，其特征在于依次按照如下步骤进行： 步骤1.采集鱼群视频数据，人工标注鱼类的活跃程度作为标签，之后将人工标注后的视频数据集进行预处理，即将视频数据集切分为图像数据集，并将图像数据集分为训练集、验证集和测试集； 步骤2.对图像数据集进行数据增强，即增强样本多样性； 步骤3.令epoch＝1，T为迭代次数； 步骤4.将训练集样本输入到主干网络中； 所述主干网络第一层为时空模块、第二层为卷积前馈神经网络、第三层为时空模块、第四层为卷积前馈神经网络、第五层及第六层均为卷积核为3×3的卷积层conv、第七层为全连接层FC； 所述时空模块的第一层是卷积核分别为17×17和5×5的2D空间卷积层，第二层为BN层，第三层是卷积核为3×3的1D时间卷积层，第四层为BN层，第五层为激活函数ReLU层； 所述卷积前馈神经网络的第一层是BN层、第二层和第三层均是卷积核为1×1×1的3D卷积层、第四层为激活函数ReLU层，第五层为残差结构； 步骤5.对于全连接层FC输出的结果按照公式1进行交叉熵损失函数的计算： 其中，pxi是真实的样本分布，qxi是模型预测的样本分布，i＝1,2,3……n，i为样本序数，n为样本总数； 步骤6.epoch←epoch+1，若epoch＞1，则得到已训练好的模型，否则，继续优化网络参数，转入步骤4。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连海洋大学，其通讯地址为：116000 辽宁省大连市沙河口区黑石礁街52号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。