DL-MAML：一种新的蝴蝶物种自动识别模型

蝴蝶种类成千上万，每种蝴蝶都与一定植物密切相关，研究蝴蝶种类自动识别有重要意义.野外环境下的蝴蝶物种识别研究受制于现有数据集蝴蝶种类较少，每类样本（图像）数量较少，使基于机器学习的蝴蝶种类识别面临泛化推广难的挑战.另外，野外环境下的蝴蝶翅膀遮挡使分类特征学习面临挑战.因此，提出基于元学习的蝴蝶物种自动识别新模型DL-MAML(deep learning advanced model-agnostic meta-learning)，实现野外环境下的任意蝴蝶种类识别.首先，DL-MAML模型采用L2正则改进经典元学习算法MAML(model-agnostic meta-learning)的目标函数和模型参数更新方法，并对MAML增加了2层特征学习模块，避免模型陷入过拟合风险，解决现有野外环境下蝴蝶物种识别面临的泛化推广困难；其次，采用ResNet34深度学习模型提取蝴蝶分类特征，对图像进行表征预处理，作为DL-MAML模型元学习模块的输入，克服其特征提取不足的缺陷，以及野外环境下蝴蝶翅膀遮挡带来的分类特征学习困难.大量消融实验以及与同类模型的实验比较表明，DL-MAML算法学习获得的初始模...