基于改进Cascade R-CNN的雪豹物种水平的自动检测方法

摘要：

雪豹(Panthera uncia)的皮毛具有较强的隐蔽性,红外相机监测图像中雪豹和背景较为相似,而且监测图像中雪豹的尺寸大小不一,为了提升雪豹检测的准确率,采用3个不同的检测器进行级联,在特征提取网络中引入特征金字塔结构改进Cascade R-CNN模型实现了雪豹的自动检测.以项目组采集的雪豹监测图像为数据集的评估结果表明,无论是白天/黑夜图像,还是多种不同尺寸雪豹同时出现的图像,该方法都可以较好地实现雪豹的识别及定位,平均准确率达93.0％,对比Faster R-CNN和SSD-300(Single Shot MultiBox Detector 300)分别提升了9.0％和3.9％.将该模型应用于雪豹监测图像的自动筛选,可以极大地提高工作效率.

关键词：雪豹、监测图像、Cascade R-CNN、目标检测

所属期刊栏目：43

分类号：Q958.1;TP391.4(动物学)

资助基金：中央高校基本科研业务费专项资金项目;北京市自然科学基金青年项目;北京市自然科学基金面上项目

在线出版日期：2022-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：307-313