中国农业期刊集成服务平台

当前位置: 首页 > 文章 > 深度模型融合数据合成机制的长尾目标识别华中农业大学学报 2023,42 (3) 271-280

Position: Home > Articles > Synthetic samples combined model-based recognition of long-tailed target Journal of Huazhong Agricultural University 2023,42 (3) 271-280

深度模型融合数据合成机制的长尾目标识别

作者：

蔡润基;江方湧;郑涛涛;刘东霖;徐初东

单位：

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

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.

译名：

Synthetic samples combined model-based recognition of long-tailed target

相似文章

基于改进Faster-RCNN模型的粘虫板图像昆虫识别与计数 [张银松, 赵银娣, 袁慕策] 中国农业大学学报 2019 (5) 115-122
基于支持向量机的昆虫数值化鉴定 [吴宏华, 张红燕, 陈渊] 中国农学通报 2014 (7) 286-291
佳木斯市昆虫识别计数APP设计 [王建楠, 崔广新, 单晓晶, 吕冬云, 罗志文] 安徽农业科学 2018,46 (29) 176-179
基于目标检测技术的农业有害昆虫识别方法研究 [郭胜娟, 刘峰] 农业开发与装备 2022 (9) 145-149

导出引用

计量

文章访问数: 6

HTML全文浏览量: 0

PDF下载量: 0

深度模型融合数据合成机制的长尾目标识别

相似文章

所属期刊

华中农业大学学报

推荐期刊

中国农业大学学报

安徽农业科学