1（陕西师范大学计算机科学学院 西安 710119）；2（陕西师范大学生命科学学院 西安 710119) (xiejuany@snnu.edu.cn)
出版日期: 2021-08-01基金资助:国家自然科学基金项目(62076159,61673251,12031010)；中央高校基本科研业务费专项资金项目(GK202105003);陕西师范大学研究生培养创新基金项目(2016CSY009,2018TS078)Butterfly Species Identification from Natural Environment Based on Improved RetinaNet
Xie Juanying1, Lu Yinyuan1, Kong Weixuan1, Xu Shengquan21（School of Computer Science, Shaanxi Normal University, Xi’an 710119);2(College of Life Sciences, Shaanxi Normal University, Xi’an 710119)
Online: 2021-08-01Supported by:This work was supported by the National Natural Science Foundation of China (62076159, 61673251, 12031010), the Fundamental Research Funds for the Central Universities (GK202105003), and the Innovation Funds of Graduate Programs at Shaanxi Normal University(2016CSY009, 2018TS078).摘要/Abstract
摘要： 蝴蝶是一种对栖息地敏感的昆虫，自然环境中的蝴蝶种类分布反映了区域生态系统平衡和生物多样性.专家鉴别蝴蝶种类耗时耗力，计算机视觉技术为野外环境中蝴蝶种类自动识别提供了可能.针对野外环境下的蝴蝶图像特征，提出2种新的硬注意力机制，DSEA(direct squeeze-and-excitation with global average pooling)和DSEM(direct squeeze-and-excitation with global max pooling)，改进经典目标检测算法RetinaNet，并引入可变形卷积增强RetinaNet对蝴蝶形变的建模能力，实现野外环境下蝴蝶种类自动识别.以mAP(mean average precision)目标检测指标评价模型性能，通过实验结果可视化，分析影响模型性能的关键因素.实验结果显示，提出的改进RetinaNet对自然环境下的蝴蝶识别任务具有很不错的效果, 特别是基于DSEM的RetinaNet；分布平衡的训练集可以提升提出模型的泛化性能；样本的结构相异性是影响模型性能的关键因素.
参考文献
相关文章 15
| [1] | 刘凡, 王君锋, 陈峙宇, 许峰. 基于并行注意力UNet的裂缝检测方法[J]. 计算机研究与发展, 2021, 58(8): 1718-1726. |
| [2] | 亓鹏,曹娟,盛强. 语义增强的多模态虚假新闻检测[J]. 计算机研究与发展, 2021, 58(7): 1456-1465. |
| [3] | 王成龙,易江燕,陶建华,马浩鑫,田正坤,傅睿博. 基于全局-时频注意力网络的语音伪造检测[J]. 计算机研究与发展, 2021, 58(7): 1466-1475. |
| [4] | 廖海斌, 徐斌. 基于性别和年龄因子分析的鲁棒性人脸表情识别[J]. 计算机研究与发展, 2021, 58(3): 528-538. |
| [5] | 张世琨, 谢睿, 叶蔚, 陈龙. 基于关键词的代码自动摘要[J]. 计算机研究与发展, 2020, 57(9): 1987-2000. |
| [6] | 李梦莹, 王晓东, 阮书岚, 张琨, 刘淇. 基于双路注意力机制的学生成绩预测模型[J]. 计算机研究与发展, 2020, 57(8): 1729-1740. |
| [7] | 陈彦敏, 王皓, 马建辉, 杜东舫, 赵洪科. 基于层级注意力机制的互联网用户信用评估框架[J]. 计算机研究与发展, 2020, 57(8): 1755-1768. |
| [8] | 李若南, 李金宝. 一种无源被动室内区域定位方法的研究[J]. 计算机研究与发展, 2020, 57(7): 1381-1392. |
| [9] | 张艺璇, 郭斌, 刘佳琪, 欧阳逸, 於志文. 基于多级注意力机制网络的app流行度预测[J]. 计算机研究与发展, 2020, 57(5): 984-995. |
| [10] | 张莹莹, 钱胜胜, 方全, 徐常胜. 基于多模态知识感知注意力机制的问答方法[J]. 计算机研究与发展, 2020, 57(5): 1037-1045. |
| [11] | 程艳, 尧磊波, 张光河, 唐天伟, 项国雄, 陈豪迈, 冯悦, 蔡壮. 基于注意力机制的多通道CNN和BiGRU的文本情感倾向性分析[J]. 计算机研究与发展, 2020, 57(12): 2583-2595. |
| [12] | 尉桢楷, 程梦, 周夏冰, 李志峰, 邹博伟, 洪宇, 姚建民. 基于类卷积交互式注意力机制的属性抽取研究[J]. 计算机研究与发展, 2020, 57(11): 2456-2466. |
| [13] | 张志昌,张珍文,张治满. 基于IndRNN-Attention的用户意图分类[J]. 计算机研究与发展, 2019, 56(7): 1517-1524. |
| [14] | 石乐义,朱红强,刘祎豪,刘佳. 基于相关信息熵和CNN-BiLSTM的工业控制系统入侵检测[J]. 计算机研究与发展, 2019, 56(11): 2330-2338. |
| [15] | 孙小婉,王英,王鑫,孙玉东. 面向双注意力网络的特定方面情感分析模型[J]. 计算机研究与发展, 2019, 56(11): 2384-2395. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4474
