基于注意力机制的鸟类识别算法

作者：陈天华; 朱家煊^*; 印杰

来源：计算机应用, 2023, 1-7.

• 目标检测
• 生物识别
• 卷积神经网络
• 注意力机制
• 损失函数

针对现有细粒度鸟类目标识别算法存在的准确率不足问题，提出了一种新型鸟类目标检测算法YOLOv5-Bird。首先，在主干网络中引入基于混合域的坐标注意力机制（Coordinate Attention,CA），提高有价值的通道权重，将目标的特征和背景中的冗余特征区分开；其次，在主干网络中采用双层路由注意力机制（Bi-Level Routing Attention,BRA）模块替换原网络中的部分C3模块，过滤低相关度的键值对信息，获得高效的长距离依赖关系；最后，使用WIoU(Wise-IoU)损失函数作为损失函数，增强算法对目标的定位能力。实验结果表明，YOLOv5-Bird检测准确率达到82.8%，召回率达到77.0%，较现有主流算法有明显提升，在细粒度鸟类目标识别任务应用场景下具有更好的检测性能。

• 单位
  江苏警官学院; 北京工商大学