小样本条件下基于数据扩充和ResNeSt的雪豹识别     

张毓  高雅月  常峰源  谢将剑  张军国 《北京林业大学学报》2021,43(10):89-99

  目的  红外触发相机采集的雪豹监测图像质量参差不齐,且数量有限,为了提升小样本下雪豹的识别准确率,本研究提出一种雪豹监测图像自动识别方法。  方法  该方法基于具备注意力机制的ResNeSt50模型,使用祁连山国家公园的雪豹监测图像作为原始数据集,红外触发相机拍摄的非雪豹陆生野生动物图像作为扩充负样本,网络雪豹图像作为扩充正样本,生成3种数据集并依次进行对比实验,选择合适的扩充方式引导模型逐步关注到雪豹个体关键特征,使用梯度类激活热力图可视化进一步验证数据扩充后的有效性。  结果  使用原始数据集+扩充负样本+扩充正样本训练的模型识别效果最好,热力图可视化显示模型正确关注到雪豹个体花纹与斑点特征,对比基于Vgg16和ResNet50的识别模型,ResNeSt50的识别效果最好,测试集识别准确率达到97.70%,精确率97.26%,召回率97.59%。  结论  采用本研究提出的原始数据集+扩充负样本+扩充正样本数据扩充方法训练的模型,可以区分背景与前景,且对雪豹本身特征具有较强的判别能力,泛化能力最好。   相似文献   

基于ROI-CNN的赛罕乌拉国家级自然保护区陆生野生动物自动识别     

刘文定  李安琪  张军国  谢将剑  鲍伟东 《北京林业大学学报》2018,40(8):123-131

目的利用红外自动感应相机对野生动物进行图像监测是对野生动物保护管理的有效手段,为了解决野外复杂背景环境导致的野生动物监测图像自动识别准确率低的问题,提出一种基于感兴趣区域(ROI)与卷积神经网络(CNN)的野生动物物种自动识别方法。方法以红外自动感应相机在内蒙古赛罕乌拉国家自然保护区内拍摄的马鹿、斑羚、猞猁、狍和野猪这5种国家级陆生保护动物的图像为实验样本,采用基于回归算法的目标检测方法,对监测图像中野生动物区域进行检测并分割,生成ROI图像,减少复杂背景信息对物种识别的干扰;利用裁剪、仿射变换等方式对样本数据进行扩充;构建基于全局-局部的VGG16双通道网络模型对样本图像进行训练,最后接入分类器输出物种识别结果。同时,构建了基于VGG19的双通道网络模型对样本图像进行训练,并与本研究训练结果进行比较;另外,将样本图像分别输入本研究算法与VGG16、R-CNN、Fast R-CNN算法进行训练,对比不同算法下的识别效果。结果利用本研究模型对样本图像进行训练时,测试集的平均识别精度均值MAP达到0.912,相对于VGG19结构下的训练模型和VGG16、R-CNN、Fast R-CNN,得到了更高的MAP值。结论相比于其他算法,本研究提出的物种识别模型更适合于复杂背景下的野生动物监测图像的物种识别,可以得到更高的MAP值与更优的识别效果。   相似文献   

基于CDIO理念的“物联网技术及应用”研究生课程教学改革探索     

张军国  谢将剑  赵燕东  李进 《中国林业教育》2018,(4)

以北京林业大学林业电气化与自动化学科"物联网技术及应用"研究生课程教学为例,针对课程教学存在的教学内容更新不及时、课堂教学方式单一、缺乏具有行业特色的教学案例、实践教学环节薄弱、课程考核不尽合理等问题,结合学科的林业行业背景特色和物联网技术的发展趋势,引入CDIO工程教育理念,从教学内容的设计、教学方式的改革、实践教学的改进、多元化课程考核的实施等4个方面提出课程教学改革的方案;同时,从课程知识体系的构建、课程教学内容的安排以及基于"互联网+"优化教学模式、以CDIO理念为指导实施项目驱动式教学等方面着手进行了改革实践。"物联网技术及应用"研究生课程教学改革顺应"互联网+"时代的发展要求,取得了以下良好效果:一是引入教师团队的林业监测科研案例和物联网前沿技术专题,丰富了课堂教学内容;二是引入项目驱动式教学、翻转式课堂等,优化了课堂教学方式;三是增设综合设计型实验和企业实习等,完善了实践教学环节;四是建立全面的课程考核与评价体系,加强对学生学习的引导,既激发了学生的学习兴趣又有效提升了其综合能力。  相似文献   

基于Chirplet语图特征和深度学习的鸟类物种识别方法   总被引：2，自引：1，他引：1  

谢将剑  李文彬  张军国  丁长青 《北京林业大学学报》2018,40(3):122-127

目的深度学习在鸟类物种识别的应用是目前的研究热点,为了进一步提高识别效果,提出一种基于鸟鸣声的Chirplet语图特征和深度卷积神经网络的鸟类物种识别方法。方法引入线性调频小波变换(Chirplet transform,CT)计算鸟鸣声信号的语图,输入深度卷积神经网络VGG16模型中,通过对语图进行分类实现鸟类物种的识别。以北京市松山国家自然保护区实地采集的18种鸟类为研究对象,利用Chirplet变换、短时傅里叶变换(short-time fourier transform,STFT)和梅尔频率倒谱变换(Mel frequency cepstrum transform,MFCT)计算得到3个不同的语图样本集,对比分别采用不同的语图样本集作为输入时鸟类物种识别模型的性能。结果结果表明:Chirplet语图作为输入时,测试集的平均识别准确率(mean average precision,MAP)达到0.9871,相对于其他两种输入,得到了更高的MAP值,而且在训练时达到最大MAP值的迭代次数最小。结论采用不同的语图特征作为输入,直接影响深度学习模型的分类性能。本文计算的Chirplet语图的鸣声区域相比STFT语图和Mel语图更为集中,特征更明显。因此,Chirplet语图更适合于基于VGG16模型的鸟类物种识别,可以得到更高的MAP值和更快的识别效率。   相似文献   

基于全卷积神经网络的林区航拍图像虫害区域识别方法   总被引：4，自引：0，他引：4  

刘文定  田洪宝  谢将剑  赵恩庭  张军国 《农业机械学报》2019,50(3):179-185

针对航拍林区虫害图像的虫害区域不规则和传统识别方法泛化能力差的问题,提出一种基于全卷积神经网络(Fully convolution networks,FCN)的虫害区域识别方法。采用八旋翼无人机航拍虫害林区、获取林区虫害图像,并对虫害区域进行像素级标注,用于模型训练;将VGG16模型的全连接层替换为卷积层,并通过上采样实现端到端的学习;使用预训练的卷积层参数,提升模型收敛速度;采用跳跃结构融合多种特征信息,有效提升识别精度,并通过该方法构造了5种全卷积神经网络。试验表明,针对林区航拍虫害图像,FCN-2s在5种全卷积神经网络中区域识别精度最高,其像素准确率为97. 86%,平均交并比为79. 49%,单幅分割时间为4. 31 s。该方法与K-means、脉冲耦合神经网络、复合梯度分水岭算法相比,像素准确率分别高出44. 93、20. 73、6. 04个百分点,平均交并比分别高出50. 19、35. 67、18. 86个百分点,单幅分割时间分别缩短47. 54、19. 70、11. 39 s,可以实现林区航拍图像的虫害区域快速准确识别,为林业虫害监测和防治提供参考。  相似文献