典型文献
融合全局与随机局部特征的鸟类姿态识别模型
文献摘要：
为了高效地进行鸟类姿态分类,提出一种基于全局与随机局部特征融合的鸟类姿态识别模型.首先利用融合多分辨率的网络提取鸟类姿态全局特征;然后于网络中浅层与深层的高分辨率特征引入随机定位模块,即根据随机抽取的特征图求取最大值位置,形成包围盒裁剪原图;再将裁剪的局部图片送入子分类网络提取鸟类姿态局部特征;最后将全局和随机局部特征进行融合,并采用融合全局损失和局部损失的多损失策略进行网络调整,构建一种融合全局与随机局部特征的鸟类姿态识别模型.对CUB200-2011中存在完整单种姿态的鸟类图片进行整理汇总得到包含蹲伏、飞翔、游水和站立4种姿态的鸟类姿态数据集,基于该数据集进行实验的结果表明,所提模型的分类精度优于主流卷积神经网络框架,达到96.1％;对随机定位模块及其内部是否随机、分组情况和多损失策略等进行消融实验的结果表明,引入随机定位模块和多损失策略能够提高识别正确率,证明了随机定位模块和多损失策略的有效性.
文献关键词：
鸟类姿态识别;卷积神经网络;随机定位;特征融合;全局特征;局部特征
中图分类号：
作者姓名：
林梦翔;林志玮;黄秀萍;洪思弟
作者机构：
福建农林大学计算机与信息学院 福州 350002;福建农林大学林学院 福州 350002;福建农林大学林学博士后流动站 福州 350002;生态与资源统计福建省高校重点实验室 福州 350002;海峡自然保护区研究中心 福州 350002;莆田学院新工科产业学院 莆田 351100
文献出处：
引用格式：
[1]林梦翔;林志玮;黄秀萍;洪思弟-.融合全局与随机局部特征的鸟类姿态识别模型)[J].计算机辅助设计与图形学学报,2022(04):581-591
A类：
鸟类姿态识别,随机定位
B类：
局部特征,识别模型,特征融合,多分辨率,全局特征,中浅层,高分辨率特征,征引,定位模块,随机抽取,特征图,求取,包围盒,裁剪,原图,局部图,送入,分类网络,局部损失,失策,网络调整,CUB200,总得,蹲伏,飞翔,游水,站立,分类精度,网络框架,消融实验
AB值：
0.287871
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
