基于迁移学习与数据增强的蜘蛛识别平台研建

作者：史晨阳; 杨自忠; 陈响育; 张宇航; 钱正坤; 王永良; 王建明^*

来源：大理学院学报, 2022, 7(06): 26-36.

• 深度学习
• 数据增强
• 迁移学习
• 微调
• 自动识别

物种智能识别是当前研究的热点，基于迁移学习，结合数据增强技术研建了蜘蛛物种智能识别平台。首先基于突出前景及传统方法增强数据；其次使用迁移学习中预训练加微调的方法将ImageNet预训练的VGG-16模型参数作为初始参数并冻结卷积层，只训练全连接层；最后结合移动开发技术研建含安卓与微信端识别系统及后台管理系统的智能识别平台。经测试，系统对4科1种共5类蜘蛛的识别平均准确率达到95%以上。该平台能在提供基础识别服务、有效降低物种识别难度、提高识别率以及识别的稳定性的同时，进一步收集用户上传的大量物种图像数据，并且集成线上专家资源，从而不断迭代完善识别系统，在蛛形类资源的相关研究中，具有重要的应用研究价值。