深度迁移学习在紫茎泽兰检测中的应用

摘要：

紫茎泽兰作为中国遭受外来物种入侵的典型例子,其对生态环境多样性造成严重破坏,影响农林业经济的发展.紫茎泽兰检测作为整个防治过程中的初始阶段和监控阶段,其检测精度会对防治结果造成影响.针对紫茎泽兰这一类复杂背景叶片图像的目标检测问题,本文提出一种基于YOLOv3的迁移学习方法来实现紫茎泽兰的检测.将深度学习模型YOLOv3迁移到紫茎泽兰数据集上,用K均值算法进行维度聚类确定目标框参数;在训练过程中改变损失函数中各类损失的权重,增加模型对数据集的适应性.实验结果表明,在紫茎泽兰检测任务中,平均精度(Average Precision,AP)相较于原YOLOv3提高了17％,能够满足复杂背景下的紫茎泽兰检测任务.

关键词：紫茎泽兰检测、YOLOv3算法、目标检测、深度学习、迁移学习

所属期刊栏目：29

资助基金：国家自然科学基金61841112, 31660057

在线出版日期：2020-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：271-275