自然界生物的多樣性對保持生態(tài)平衡,促進人與自然和諧發(fā)展具有重要意義。昆蟲是地球上種群數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、生活息息相關。自然界中的蝴蝶往往具有復雜的顏色和紋理特征,使用人工識別的方法錯誤率較高,且效率低下。因此,針對蝴蝶圖像的自動識別方法在許多場景中具有十分重要的應用價值,如蝴蝶種群保護、農作物病蟲害防治、邊境檢疫等。根據應用需求的不同,針對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任務。在蝴蝶圖像分割任務中,難點在于如何從復雜的環(huán)境背景中分割出正確率較高的蝴蝶目標。在蝴蝶圖像分類任務中,難點在于有效區(qū)分類間差異和類內差異。為此,本文使用深度學習技術對蝴蝶圖像分割和分類兩個方面展開研究。論文主要工作包括:(1)針對當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。由于缺少現成的蝴蝶分割標注,首先從現有的蝴蝶數據集中構建一個小型的蝴蝶分割數據集,通過人工標注的方法得到數據集的分割標簽。然后在經典的Mask RCNN實例分割算法上進行遷移訓練,通過訓練好的Mask RCNN分割整個蝴蝶數據集,得到分割后的蝴蝶數據集...

【文章頁數】：77 頁

【學位級別】：碩士

【部分圖文】：

圖1-2不同(a)viceroy

浙江工業(yè)大學碩士學位論文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除了蝴蝶目標本身存在的顏色紋理差異外，紛繁復雜的背景差異也是自然環(huán)境下對蝴蝶識別的又一干....

圖2-1CNN網絡結構

浙江工業(yè)大學碩士學位論文8第二章深度學習及相關理論介紹2.1深度學習基礎深度學習[28]指把原始數據通過一些簡單非線性的數學模型，通過分層網絡獲取分層次的特征信息，以發(fā)現數據的分布式特征表示。人工神經網絡是深度學習研究的起源。如果一個多層感知器含有多個隱藏層，那么它就可以被稱作一....

圖2-2殘差模塊[29]

基于深度學習的蝴蝶圖像分割和識別研究92.1.2ResNet網絡模型ResNet網絡（ResidualNetwork）[29]是KaimingHe等為了解決由于網絡層數增加而出現的模型退化問題而提出的一種網絡結構。該模型由殘差模塊堆疊而成，殘差模塊中將輸入分成兩路，一路通過多個卷....

圖2-3RPN網絡結構[30]

浙江工業(yè)大學碩士學位論文10提取較深層次的圖像特征，有利于提取細粒度部件特征，因此選擇ResNet50網絡作為本文的骨干網絡。2.2深度學習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逐漸被卷積神經網絡所取代，成為圖像分割領域的主流算法。其中RCNN系列算法雖然是圖像目標檢....

本文編號：3989157