隨著我國在生態(tài)保護上的投入加大,紅外相機技術在我國各級自然保護區(qū)的應用發(fā)展迅猛,在如何充分挖掘照片的信息方面,物種識別顯得尤為重要,是其他工作的前提.在圖像識別方面,隨著深度學習的爆發(fā),給圖像識別帶來了革命性的提升,以卷積神經網絡為代表的網絡結構在準確率上幾乎完勝傳統(tǒng)方法.然而,由于網絡結構對最終圖像識別準確率的影響巨大,人們在實際應用中往往都是使用一些經典的網絡結構,比如VGG16、VGG19、ResNet50等,從中選擇一個適合自己的數據集的網絡結構,同時對于不同的數據集,可能需要重新選擇.因此,在保護區(qū)紅外相機物種的識別中,本文提出了基于AutoML的自動構建網絡結構技術,針對不同的保護區(qū)的數據集,自動構建合適的網絡結構,避免人工選擇,同時達到了與人工選擇網絡相當的準確率. 

【文章來源】：計算機系統(tǒng)應用. 2019,28(09)

【文章頁數】：7 頁

【參考文獻】：
期刊論文
[1]紅外相機技術在物種監(jiān)測中的應用及數據挖掘[J]. 劉雪華,武鵬峰,何祥博,趙翔宇.  生物多樣性. 2018(08)
[2]基于紅外相機技術對四川臥龍國家級自然保護區(qū)雪豹（Panthera uncia）的研究[J]. 唐卓,楊建,劉雪華,王鵬彥,李周園.  生物多樣性. 2017(01)
[3]紅外相機技術在北京霧靈山自然保護區(qū)獸類資源調查中的應用[J]. 蘭慧,金崑.  獸類學報. 2016(03)



本文編號：3384370