基于Faster R-CNN金丝猴优化检测方法
采用深度学习方法,利用网络爬取、实地拍摄两种方式获取数据,并构建基于Faster R-CNN (region-based eonvolutional neural networks)的金丝猴优化检测模型.通过比较不同的模型,明确模型的最优构建方案;通过对比基于不同训练集构建的模型的检测精度,探究建模数据最优补充方案.研究结果表明:相比Vgg16和Res50网络,基于Res101网络在迭代70000次时可以构建最优的模型;在实测数据有限时,可以采用网络图片作为替代数据源进行金丝猴面部检测,并且可以将其作为辅助数据源优化金丝猴身体检测效果;相对于经典的卷积神经网络,该方法不仅检测效果更好,而且运行时间更少;该模型可以在复杂生态背景图片中有效地进行金丝猴定位与识别.所提方法对金丝猴野外发现与跟踪有很强的现实意义.
图像处理、图像识别、金丝猴、深度学习、目标检测、Faster R-CNN
57
TP751(遥感技术)
中国林业科学研究院中央级公益性科研院所基本科研业务费专项资金CAFYBB2018SZ010
2020-07-24(万方平台首次上网日期,不代表论文的发表时间)
共10页
251-260