曹嘉文:基于深度学习的蝴蝶种类识别研究论文

曹嘉文:基于深度学习的蝴蝶种类识别研究论文

本文主要研究内容

作者曹嘉文(2019)在《基于深度学习的蝴蝶种类识别研究》一文中研究指出:随着社会发展进步,人们越来越重视保护生态平衡、维护生物多样性。对各类物种的准确和一致性的识别需求也日渐增长。昆虫的种类在各类动物中最为丰富。作为种类最丰富的昆虫之一,蝴蝶在全世界有将近两万种。蝴蝶具有复杂的颜色、纹理和图案,人工识别难度较高且十分耗时。因此,针对自动识别蝴蝶种类的研究受到越来越多的关注。计算机处理图像数据的能力依赖其硬件技术。这些年硬件技术发展迅速,使得计算机处理图像数据的能力快速上升。基于此,图像识别相关技术也不断取得新的突破。计算机视觉任务中,深度学习凭借良好的特征学习能力取得了很多成果。它通过非线性映射来提取原始数据低层特征,并且将其组合成抽象的高层特征表示。由此得到从高维原始数据中抽取的低维有效特征,并依据抽取的特征进行分类,达到识别样本类别的目的。自编码深度学习可以通过自动学习网络参数来提取样本有效特征,从而取代传统的手工提取特征。深度学习在分析处理大规模数据方面具有优势,是一种有效的机器学习方法和数据处理工具,在目标检测领域得到广泛应用。因此,我们将深度学习应用于蝴蝶种类自动识别问题中,以期自动定位蝴蝶在图像中的位置、抽取蝴蝶特征,并且对其进行分类或聚类,提高蝴蝶种类识别效率。以往的蝴蝶自动识别研究大多基于蝴蝶的标本照片数据,涉及的蝴蝶种类和照片数量都较小,且大多使用人工设计的方法来提取蝴蝶分类特征。基于生态环境中拍摄的蝴蝶照片进行蝴蝶种类自动识别是对现有蝴蝶种类识别的挑战,因为生态环境中的蝴蝶照片,蝴蝶的分类特征将会被严重遮挡。因此,本研究基于深度学习方法研究生态环境照片中的蝴蝶种类自动识别,包括生态照片中的蝴蝶位置定位及其种类识别。生态环境中的蝴蝶照片中的蝴蝶种类标注难度极大,需要专业人员鉴定蝴蝶种类,甚至对专业人员都是非常大的挑战。因此,本论文借助深度学习对特征的强大学习能力,采取有监督和半监督两种方式实现蝴蝶种类鉴定,论文的主要工作和贡献如下:1.对比使用基于深度学习的Faster R-CNN和Mask R-CNN目标检测算法,定位和识别生态照片中蝴蝶的位置和种类。通过添加对应种类的蝴蝶标本照片构造蝴蝶训练集,并使用旋转图片、添加噪声等方式扩充训练集。由此解决小规模数据集下,同一大物种下小物种的细粒度分类问题。使用目标检测算法的常用评价准则mAP来查看蝴蝶定位和识别的效果。实验结果显示,Mask R-CNN算法可以在蝴蝶物种自动识别问题中取得更好的效果。2.由于蝴蝶数据集标注的难度较大,需要专业人员标注种类,且耗时较长。本研究探索在人工标注蝴蝶数据不足情况下生态照片中蝴蝶种类自动识别问题。使用目标检测算法检测出生态照片中的蝴蝶位置,然后采用半监督思想识别蝴蝶种类。提出以密度峰值聚类算法改进DCEC深度聚类的DCEC_DPC算法,采用DCEC_DPC与深度聚类算法DeepCluster对检测出来的蝴蝶进行种类划分。

Abstract

sui zhao she hui fa zhan jin bu ,ren men yue lai yue chong shi bao hu sheng tai ping heng 、wei hu sheng wu duo yang xing 。dui ge lei wu chong de zhun que he yi zhi xing de shi bie xu qiu ye ri jian zeng chang 。kun chong de chong lei zai ge lei dong wu zhong zui wei feng fu 。zuo wei chong lei zui feng fu de kun chong zhi yi ,hu die zai quan shi jie you jiang jin liang mo chong 。hu die ju you fu za de yan se 、wen li he tu an ,ren gong shi bie nan du jiao gao ju shi fen hao shi 。yin ci ,zhen dui zi dong shi bie hu die chong lei de yan jiu shou dao yue lai yue duo de guan zhu 。ji suan ji chu li tu xiang shu ju de neng li yi lai ji ying jian ji shu 。zhe xie nian ying jian ji shu fa zhan xun su ,shi de ji suan ji chu li tu xiang shu ju de neng li kuai su shang sheng 。ji yu ci ,tu xiang shi bie xiang guan ji shu ye bu duan qu de xin de tu po 。ji suan ji shi jiao ren wu zhong ,shen du xue xi ping jie liang hao de te zheng xue xi neng li qu de le hen duo cheng guo 。ta tong guo fei xian xing ying she lai di qu yuan shi shu ju di ceng te zheng ,bing ju jiang ji zu ge cheng chou xiang de gao ceng te zheng biao shi 。you ci de dao cong gao wei yuan shi shu ju zhong chou qu de di wei you xiao te zheng ,bing yi ju chou qu de te zheng jin hang fen lei ,da dao shi bie yang ben lei bie de mu de 。zi bian ma shen du xue xi ke yi tong guo zi dong xue xi wang lao can shu lai di qu yang ben you xiao te zheng ,cong er qu dai chuan tong de shou gong di qu te zheng 。shen du xue xi zai fen xi chu li da gui mo shu ju fang mian ju you you shi ,shi yi chong you xiao de ji qi xue xi fang fa he shu ju chu li gong ju ,zai mu biao jian ce ling yu de dao an fan ying yong 。yin ci ,wo men jiang shen du xue xi ying yong yu hu die chong lei zi dong shi bie wen ti zhong ,yi ji zi dong ding wei hu die zai tu xiang zhong de wei zhi 、chou qu hu die te zheng ,bing ju dui ji jin hang fen lei huo ju lei ,di gao hu die chong lei shi bie xiao lv 。yi wang de hu die zi dong shi bie yan jiu da duo ji yu hu die de biao ben zhao pian shu ju ,she ji de hu die chong lei he zhao pian shu liang dou jiao xiao ,ju da duo shi yong ren gong she ji de fang fa lai di qu hu die fen lei te zheng 。ji yu sheng tai huan jing zhong pai she de hu die zhao pian jin hang hu die chong lei zi dong shi bie shi dui xian you hu die chong lei shi bie de tiao zhan ,yin wei sheng tai huan jing zhong de hu die zhao pian ,hu die de fen lei te zheng jiang hui bei yan chong zhe dang 。yin ci ,ben yan jiu ji yu shen du xue xi fang fa yan jiu sheng tai huan jing zhao pian zhong de hu die chong lei zi dong shi bie ,bao gua sheng tai zhao pian zhong de hu die wei zhi ding wei ji ji chong lei shi bie 。sheng tai huan jing zhong de hu die zhao pian zhong de hu die chong lei biao zhu nan du ji da ,xu yao zhuan ye ren yuan jian ding hu die chong lei ,shen zhi dui zhuan ye ren yuan dou shi fei chang da de tiao zhan 。yin ci ,ben lun wen jie zhu shen du xue xi dui te zheng de jiang da xue xi neng li ,cai qu you jian du he ban jian du liang chong fang shi shi xian hu die chong lei jian ding ,lun wen de zhu yao gong zuo he gong suo ru xia :1.dui bi shi yong ji yu shen du xue xi de Faster R-CNNhe Mask R-CNNmu biao jian ce suan fa ,ding wei he shi bie sheng tai zhao pian zhong hu die de wei zhi he chong lei 。tong guo tian jia dui ying chong lei de hu die biao ben zhao pian gou zao hu die xun lian ji ,bing shi yong xuan zhuai tu pian 、tian jia zao sheng deng fang shi kuo chong xun lian ji 。you ci jie jue xiao gui mo shu ju ji xia ,tong yi da wu chong xia xiao wu chong de xi li du fen lei wen ti 。shi yong mu biao jian ce suan fa de chang yong ping jia zhun ze mAPlai cha kan hu die ding wei he shi bie de xiao guo 。shi yan jie guo xian shi ,Mask R-CNNsuan fa ke yi zai hu die wu chong zi dong shi bie wen ti zhong qu de geng hao de xiao guo 。2.you yu hu die shu ju ji biao zhu de nan du jiao da ,xu yao zhuan ye ren yuan biao zhu chong lei ,ju hao shi jiao chang 。ben yan jiu tan suo zai ren gong biao zhu hu die shu ju bu zu qing kuang xia sheng tai zhao pian zhong hu die chong lei zi dong shi bie wen ti 。shi yong mu biao jian ce suan fa jian ce chu sheng tai zhao pian zhong de hu die wei zhi ,ran hou cai yong ban jian du sai xiang shi bie hu die chong lei 。di chu yi mi du feng zhi ju lei suan fa gai jin DCECshen du ju lei de DCEC_DPCsuan fa ,cai yong DCEC_DPCyu shen du ju lei suan fa DeepClusterdui jian ce chu lai de hu die jin hang chong lei hua fen 。

论文参考文献

  • [1].基于深度学习的输电线路目标检测方法研究[D]. 刘业鹏.华北电力大学2019
  • [2].基于深度学习的动车关键部位故障图像检测[D]. 张江勇.电子科技大学2019
  • [3].基于深度学习目标检测的优化研究与实现[D]. 魏墨非.电子科技大学2019
  • [4].基于卷积神经网络的目标检测算法研究[D]. 侯小春.电子科技大学2019
  • [5].基于生成对抗网络的复杂环境目标检测算法研究[D]. 莫烨.桂林电子科技大学2019
  • [6].基于卷积神经网络的目标检测算法研究[D]. 徐首韬.合肥工业大学2019
  • [7].基于深度神经网络的多尺度目标检测算法研究[D]. 方璐.合肥工业大学2019
  • [8].基于OpenCL的深度学习目标检测算法加速方法研究[D]. 王晓芸.北京交通大学2019
  • [9].基于卷积神经网络的目标检测算法研究与应用[D]. 郑志强.长春理工大学2019
  • [10].基于深度学习中SSD_Mobilenet的目标检测[D]. 曾科.湖南师范大学2019
  • 读者推荐
  • [1].面向对象框架下基于深度学习的高分辨率遥感影像分类[D]. 张萌.云南师范大学2019
  • [2].基于深度全卷积网络的目标检测方法研究[D]. 张蒙蒙.河南大学2019
  • [3].基于深度学习的农业昆虫图像识别研究[D]. 夏德男.安徽大学2019
  • [4].基于YOLO的深度学习目标检测算法研究[D]. 熊咏平.武汉科技大学2019
  • [5].基于卷积神经网络的目标检测算法及应用研究[D]. 陈超.山东师范大学2019
  • [6].基于支持向量机的果实蝇图像的自动识别系统研究与实现[D]. 应新新.江西农业大学2018
  • [7].基于深度学习的农业灯诱害虫自动识别与计数技术的研究[D]. 周爱明.浙江理工大学2019
  • [8].基于深度学习的农林害虫识别方法研究[D]. 任丽锦.浙江农林大学2019
  • [9].基于深度学习的昆虫图像识别研究[D]. 秦放.西南交通大学2018
  • [10].水下浮游生物图像实时采集系统研究[D]. 周章国.中国海洋大学2009
  • 论文详细介绍

    论文作者分别是来自陕西师范大学的曹嘉文,发表于刊物陕西师范大学2019-10-14论文,是一篇关于蝴蝶种类自动识别论文,目标检测论文,深度聚类论文,细粒度分类论文,陕西师范大学2019-10-14论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自陕西师范大学2019-10-14论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  

    曹嘉文:基于深度学习的蝴蝶种类识别研究论文
    下载Doc文档

    猜你喜欢