基于Faster R-CNN金丝猴优化检测方法

作者：孙蕊; 张旭; 郭颖^*; 于新文; 陈艳; 侯亚男

来源：激光与光电子学进展, 2020, 57(12): 259-268.

• 图像处理
• 图像识别
• 金丝猴
• 深度学习
• 目标检测
• Faster　R-CNN

采用深度学习方法,利用网络爬取、实地拍摄两种方式获取数据,并构建基于Faster R-CNN(region-based convolutional neural networks)的金丝猴优化检测模型。通过比较不同的模型,明确模型的最优构建方案;通过对比基于不同训练集构建的模型的检测精度,探究建模数据最优补充方案。研究结果表明:相比Vgg16和Res50网络,基于Res101网络在迭代70000次时可以构建最优的模型;在实测数据有限时,可以采用网络图片作为替代数据源进行金丝猴面部检测,并且可以将其作为辅助数据源优化金丝猴身体检测效果;相对于经典的卷积神经网络,该方法不仅检测效果更好,而且运行时间更少;该模型可以在复杂生态背景图片中有效地进行金丝猴定位与识别。所提方法对金丝猴野外发现与跟踪有很强的现实意义。

• 单位
  中国林业科学研究院资源信息研究所