文献类型：期刊文献

中文题名：基于Faster R-CNN金丝猴优化检测方法研究

作者：孙蕊[1] 张旭[1] 郭颖[1] 于新文[1] 陈艳[1] 侯亚男[1]

第一作者：孙蕊

机构：[1]中国林业科学研究院资源信息研究所;

年份：2019

中文期刊名：激光与光电子学进展

语种：中文

中文关键词：图像识别;金丝猴;深度学习;目标检测;Faster R-CNN;

摘要：[目的]为了实现在包含复杂背景环境信息的图片中,对任意姿态、任意大小的金丝猴的准确识别和定位,同时解决建模数据集来源单一,检测部位局限等问题。[方法]采用深度学习方法,利用网络爬取和实地拍摄两种方式获取金丝猴图片数据,并构建基于Faster R-CNN的金丝猴优化检测模型。通过比较不同迭代次数以及不同深度的基础网络结构,明确模型的最优构建方案;同时通过对比基于三种不同方式构建的训练数据集的检测精度,探究样本有限的情况下,建模数据的最优补充方案;并且分析评价在金丝猴真实生活场景下,基于Faster R-CNN优化检测方法对面部和身体的检测效果。[结果]研究结果表明:1、相比Vgg16和Res50基础网络,基于Res101网络在迭代70000次时可以构建最优的Faster R-CNN金丝猴检测模型;2、在金丝猴实地拍摄图片有限的情况下,可以采用网络图片作为替代数据源进行金丝猴面部检测,并且可以将网络图片作为辅助数据源优化金丝猴身体检测效果;3、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;4、在包含复杂生态环境背景信息的图片中,该模型可以有效的实现对金丝猴的检测,甚至在多种干扰信息存在的环境中,仍能够有效的进行金丝猴定位与识别。[结论]本文提出了基于Faster R-CNN金丝猴检测的优化方法,能够在有限样本下以及复杂环境背景中有效的提取金丝猴的面部与身体,对金丝猴野外发现与跟踪有很强的现实意义。