發(fā)布時(shí)間：2024-06-04 20:48

　　自然界生物的多樣性對(duì)保持生態(tài)平衡,促進(jìn)人與自然和諧發(fā)展具有重要意義。昆蟲是地球上種群數(shù)量最龐大的一類生物,而蝴蝶作為其中的一員與人類的生產(chǎn)、生活息息相關(guān)。自然界中的蝴蝶往往具有復(fù)雜的顏色和紋理特征,使用人工識(shí)別的方法錯(cuò)誤率較高,且效率低下。因此,針對(duì)蝴蝶圖像的自動(dòng)識(shí)別方法在許多場(chǎng)景中具有十分重要的應(yīng)用價(jià)值,如蝴蝶種群保護(hù)、農(nóng)作物病蟲害防治、邊境檢疫等。根據(jù)應(yīng)用需求的不同,針對(duì)蝴蝶圖像的研究可分為蝴蝶圖像分割和蝴蝶圖像分類兩個(gè)任務(wù)。在蝴蝶圖像分割任務(wù)中,難點(diǎn)在于如何從復(fù)雜的環(huán)境背景中分割出正確率較高的蝴蝶目標(biāo)。在蝴蝶圖像分類任務(wù)中,難點(diǎn)在于有效區(qū)分類間差異和類內(nèi)差異。為此,本文使用深度學(xué)習(xí)技術(shù)對(duì)蝴蝶圖像分割和分類兩個(gè)方面展開研究。論文主要工作包括:(1)針對(duì)當(dāng)前蝴蝶圖像分析中缺乏分割圖像的問題,提出一種基于Mask RCNN的蝴蝶分割方法。由于缺少現(xiàn)成的蝴蝶分割標(biāo)注,首先從現(xiàn)有的蝴蝶數(shù)據(jù)集中構(gòu)建一個(gè)小型的蝴蝶分割數(shù)據(jù)集,通過人工標(biāo)注的方法得到數(shù)據(jù)集的分割標(biāo)簽。然后在經(jīng)典的Mask RCNN實(shí)例分割算法上進(jìn)行遷移訓(xùn)練,通過訓(xùn)練好的Mask RCNN分割整個(gè)蝴蝶數(shù)據(jù)集,得到分割后的蝴蝶數(shù)據(jù)集...

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-2不同(a)viceroy

浙江工業(yè)大學(xué)碩士學(xué)位論文2人員很難將它們分辨開來。Figure1-1.Orangeoakleaf圖1-2不同種類的蝴蝶Figure1-2.Differentkindsofbutterflies除了蝴蝶目標(biāo)本身存在的顏色紋理差異外，紛繁復(fù)雜的背景差異也是自然環(huán)境下對(duì)蝴蝶識(shí)別的又一干....

圖2-1CNN網(wǎng)絡(luò)結(jié)構(gòu)

浙江工業(yè)大學(xué)碩士學(xué)位論文8第二章深度學(xué)習(xí)及相關(guān)理論介紹2.1深度學(xué)習(xí)基礎(chǔ)深度學(xué)習(xí)[28]指把原始數(shù)據(jù)通過一些簡(jiǎn)單非線性的數(shù)學(xué)模型，通過分層網(wǎng)絡(luò)獲取分層次的特征信息，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。人工神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)研究的起源。如果一個(gè)多層感知器含有多個(gè)隱藏層，那么它就可以被稱作一....

圖2-2殘差模塊[29]

基于深度學(xué)習(xí)的蝴蝶圖像分割和識(shí)別研究92.1.2ResNet網(wǎng)絡(luò)模型ResNet網(wǎng)絡(luò)（ResidualNetwork）[29]是KaimingHe等為了解決由于網(wǎng)絡(luò)層數(shù)增加而出現(xiàn)的模型退化問題而提出的一種網(wǎng)絡(luò)結(jié)構(gòu)。該模型由殘差模塊堆疊而成，殘差模塊中將輸入分成兩路，一路通過多個(gè)卷....

圖2-3RPN網(wǎng)絡(luò)結(jié)構(gòu)[30]

浙江工業(yè)大學(xué)碩士學(xué)位論文10提取較深層次的圖像特征，有利于提取細(xì)粒度部件特征，因此選擇ResNet50網(wǎng)絡(luò)作為本文的骨干網(wǎng)絡(luò)。2.2深度學(xué)習(xí)圖像分割算法在圖像分割方面，傳統(tǒng)的圖像分割算法已經(jīng)逐漸被卷積神經(jīng)網(wǎng)絡(luò)所取代，成為圖像分割領(lǐng)域的主流算法。其中RCNN系列算法雖然是圖像目標(biāo)檢....

本文編號(hào)：3989157