基于AutoML的保护区物种识别

发布时间：2021-09-05 01:09

　　随着我国在生态保护上的投入加大,红外相机技术在我国各级自然保护区的应用发展迅猛,在如何充分挖掘照片的信息方面,物种识别显得尤为重要,是其他工作的前提.在图像识别方面,随着深度学习的爆发,给图像识别带来了革命性的提升,以卷积神经网络为代表的网络结构在准确率上几乎完胜传统方法.然而,由于网络结构对最终图像识别准确率的影响巨大,人们在实际应用中往往都是使用一些经典的网络结构,比如VGG16、VGG19、ResNet50等,从中选择一个适合自己的数据集的网络结构,同时对于不同的数据集,可能需要重新选择.因此,在保护区红外相机物种的识别中,本文提出了基于AutoML的自动构建网络结构技术,针对不同的保护区的数据集,自动构建合适的网络结构,避免人工选择,同时达到了与人工选择网络相当的准确率. 

【文章来源】：计算机系统应用. 2019,28(09)

【文章页数】：7 页

【参考文献】：
期刊论文
[1]红外相机技术在物种监测中的应用及数据挖掘[J]. 刘雪华,武鹏峰,何祥博,赵翔宇.  生物多样性. 2018(08)
[2]基于红外相机技术对四川卧龙国家级自然保护区雪豹（Panthera uncia）的研究[J]. 唐卓,杨建,刘雪华,王鹏彦,李周园.  生物多样性. 2017(01)
[3]红外相机技术在北京雾灵山自然保护区兽类资源调查中的应用[J]. 兰慧,金崑.  兽类学报. 2016(03)



本文编号：3384370