基于改进Cascade R-CNN的雪豹物种水平的自动检测方法

作者：张毓; 高雅月; 常峰源; 谢将剑^*; 张军国^*

来源：野生动物学报, 2022, 43(02): 307-313.

• 雪豹
• 监测图像
• Cascade R-CNN
• 目标检测

雪豹(Panthera uncia)的皮毛具有较强的隐蔽性，红外相机监测图像中雪豹和背景较为相似，而且监测图像中雪豹的尺寸大小不一，为了提升雪豹检测的准确率，采用3个不同的检测器进行级联，在特征提取网络中引入特征金字塔结构改进Cascade R-CNN模型实现了雪豹的自动检测。以项目组采集的雪豹监测图像为数据集的评估结果表明，无论是白天/黑夜图像，还是多种不同尺寸雪豹同时出现的图像，该方法都可以较好地实现雪豹的识别及定位，平均准确率达93.0%，对比Faster R-CNN和SSD-300(Single Shot MultiBox Detector 300)分别提升了9.0%和3.9%。将该模型应用于雪豹监测图像的自动筛选，可以极大地提高工作效率。

• 单位
  北京林业大学