免費(fèi)論文查重認(rèn)準(zhǔn)CNKI論文查重，專為高校論文檢測(cè)、畢業(yè)論文查重、碩士論文查重誕生的論文檢測(cè)入口平臺(tái)，CNKI論文查重系統(tǒng)涵蓋海量的數(shù)據(jù)庫(kù)，為畢業(yè)生解決各種煩惱，論文查重軟件免費(fèi)為各種有論文檢測(cè)、論文查重需求的人提供，論文查重認(rèn)準(zhǔn)CNKI查重！
發(fā)布時(shí)間：2023-09-20 16:41:28 作者：知網(wǎng)小編 來(lái)源：www.ld2008.cn
在YOLO算法的基礎(chǔ)上，綜合不同訓(xùn)練機(jī)制的YOLO模型的結(jié)果，提出了一種基于YOLO算法的蝴蝶自動(dòng)檢測(cè)與分類識(shí)別算法。 它大大提高了Yolo算法的泛化能力，使其具有較好的解決小樣本問(wèn)題的能力。
1.在自然生態(tài)照片中，蝴蝶往往以小目標(biāo)的形式出現(xiàn)（蝴蝶圖像的面積太小），傳統(tǒng)的蝴蝶識(shí)別算法往往無(wú)能為力。 2.培訓(xùn)所需的數(shù)據(jù)量巨大，但找不到高質(zhì)量的帶注釋的公共數(shù)據(jù)集。 3.一些稀有蝴蝶在自然狀態(tài)下的照片太少，無(wú)法直接用作訓(xùn)練集。 Joe Redmon [1]提出的YOLO模型是目標(biāo)檢測(cè)領(lǐng)域的一種著名的端到端學(xué)習(xí)模型。 與RCNN [13]序列的兩步模型相比，YOLO模型執(zhí)行速度快，避免了背景誤差，但定位精度差，某些分類的單模型誤報(bào)率高。 為了提高蝴蝶識(shí)別的效率，本文將充分利用中國(guó)數(shù)據(jù)挖掘大賽和百度百科提供的數(shù)據(jù)，建立包含大量蝴蝶生態(tài)照片的蝴蝶數(shù)據(jù)集，在自然環(huán)境中利用生態(tài)照片進(jìn)行模型訓(xùn)練，并在YOLO V3算法的基礎(chǔ)上，提出了一種用于蝴蝶生態(tài)照片定位識(shí)別的集成算法。 本文的主要結(jié)構(gòu)如下：
傳統(tǒng)的蝴蝶識(shí)別算法存在以下問(wèn)題： 1.在自然生態(tài)照片中，蝴蝶往往以小目標(biāo)的形式出現(xiàn)（蝴蝶圖像的面積太小），傳統(tǒng)的蝴蝶識(shí)別算法往往無(wú)能為力。 2.培訓(xùn)所需的數(shù)據(jù)量巨大，但找不到高質(zhì)量的帶注釋的公共數(shù)據(jù)集。 3.一些稀有蝴蝶在自然狀態(tài)下的照片太少，無(wú)法直接用作訓(xùn)練集。 Joe Redmon [1]提出的YOLO模型是目標(biāo)檢測(cè)領(lǐng)域的一種著名的端到端學(xué)習(xí)模型。 與RCNN [13]序列的兩步模型相比，YOLO模型執(zhí)行速度快，避免了背景誤差，但定位精度差，某些分類的單模型誤報(bào)率高。
