| 蝴蝶种类自动识别研究 |
| |
| 引用本文： | 谢娟英, 侯琦, 史颖欢, 吕鹏, 景丽萍, 庄福振, 张军平, 谭晓阳, 许升全. 蝴蝶种类自动识别研究[J]. 计算机研究与发展, 2018, 55(8): 1609-1618. DOI: 10.7544/issn1000-1239.2018.20180181 |
| |
| 作者姓名： | 谢娟英 侯琦 史颖欢 吕鹏 景丽萍 庄福振 张军平 谭晓阳 许升全 |
| |
| 作者单位： | 1(陕西师范大学计算机科学学院 西安 710119);2(南京大学计算机科学与技术系 南京 210023);3(山东财经大学计算机科学与技术学院 济南 250014);4(北京交通大学计算机与信息技术学院 北京 100044);5(中国科学院计算技术研究所 北京 100190);6(复旦大学计算机科学技术学院 上海 200433);7(南京航空航天大学计算机科学与技术学院 南京 210016);8(陕西师范大学生命科学学院 西安 710119) (xiejuany@snnu.edu.cn) |
| |
| 基金项目： | 国家自然科学基金项目(61673251);中央高校基本科研业务费专项资金项目(GK201701006) This work was supported by the National Natural Science Foundation of China (61673251) and the Fundamental Research Funds for the Central Universities (GK201701006). |
| |
| 摘 要： | 针对现有蝴蝶识别研究中所用数据集蝴蝶种类偏少,且只含有蝴蝶标本照片、不含生态环境中蝴蝶照片的问题,发布了一个同时包含标本照片和生态照片的蝴蝶图像数据集,其中标本照片包含全部中国蝶类志蝴蝶种类,共计4270张照片、1176种,蝴蝶生态环境下照片1425张、111种.提出基于深度学习技术Faster R-CNN的蝴蝶种类自动识别系统,包括生态照片中蝴蝶位置的自动检测和物种鉴定.实验去除只含有单张生态照片的蝴蝶种类,对剩余的蝴蝶生态照片进行5-5划分,构造2种不同训练数据集：一半生态照片+全部模式照片、一半生态照片+对应种类模式照片;训练3种不同网络结构的蝴蝶自动识别系统,以平均精度均值(mean average precision, mAP)为评价指标,采用上下、左右翻转、不同角度旋转、加噪、不同程度模糊、对比度升降等9种方式扩充训练集.实验结果表明,基于Faster R-CNN深度学习框架的蝴蝶自动识别系统对生态环境中的蝴蝶照片能实现其中蝴蝶位置的自动检测和物种识别,模型的mAP最低值接近60%,并能同时检测出生态照中的多只蝴蝶和完成物种识别.
|
| 关 键 词： | 蝴蝶 自动识别 目标检测 深度学习 分类 |
|
| 点击此处可从《计算机研究与发展》浏览原始摘要信息 |
|
点击此处可从《计算机研究与发展》下载免费的PDF全文 |
|
