| 深度模型融合数据合成机制的长尾目标识别 |
| |
| 引用本文： | 蔡润基,江方湧,郑涛涛,刘东霖,徐初东.深度模型融合数据合成机制的长尾目标识别[J].华中农业大学学报,2023,42(3):271-280. |
| |
| 作者姓名： | 蔡润基 江方湧 郑涛涛 刘东霖 徐初东 |
| |
| 作者单位： | 华南农业大学电子工程学院（人工智能学院），广州 510642 |
| |
| 基金项目： | 广东省自然科学基金项目（2020A1515010634） |
| |
| 摘 要： | 为解决昆虫数据集数据分布不均衡导致识别模型在数据量少的尾部类别的识别性能差的问题，提出1种融合数据合成的卷积识别网络模型（synthetic samples combined model,SSCM），该模型包含图像分割与重组模块、主干网络模块和数据纠正分支模块等3个模块。通过图像分割与重组模块对训练的图片进行分割并重组，得到新的训练数据并加入训练集；再使用ResNet-50作为网络主干提取图片的特征，同时数据纠正分支模块采用均方误差与交叉熵计算合成图像与原图像之间的误差，以减少合成图像对尾部数据的不利影响。构建包含300个蝴蝶类别共26 045张图片的数据集验证模型性能，结果显示，SSCM模型在该数据集上的准确率较DRC、BBN、RIDE等主流长尾目标识别模型分别高3、2.14、2.71个百分点。采用公开昆虫数据集IP102进一步验证SSCM算法的有效性，结果显示，SSCM模型准确率比DRC、BBN、RIDE等模型分别高18.94、3.02、3.36个百分点。
|
| 关 键 词： | 昆虫识别 数据合成 图像分割 农业监测 长尾识别 生态环境监测 生物多样性保护 害虫防治 |
| 收稿时间： | 2022/9/2 0:00:00 |
Synthetic samples combined model-based recognition of long-tailed target |
| |
| CAI Runji,JIANG Fangyong,ZHENG Taotao,LIU Donglin,XU Chudong.Synthetic samples combined model-based recognition of long-tailed target[J].Journal of Huazhong Agricultural University,2023,42(3):271-280. |
| |
| Authors: | CAI Runji JIANG Fangyong ZHENG Taotao LIU Donglin XU Chudong |
| |
| Abstract: | |
| |
| Keywords: | insect recognition synthetic samples image segmentation agricultural monitoring long-tailed recognition ecological environment monitoring biodiversity protection pest controlr |
|
| 点击此处可从《华中农业大学学报》浏览原始摘要信息 |
| 点击此处可从《华中农业大学学报》下载免费的PDF全文 |
