基于迁移学习和卷积神经网络的野生鸟类识别

• 作者: 戚桂美 郁志宏 武卓悦 李艳玲 赵锦明
• 来源期刊: 内蒙古师范大学学报（自然科学汉文版）
• 学科: 工学
• 关键词: 卷积神经网络 迁移学习 数据增强
• 年，卷（期）: 2022,（3）
• 页码范围: 299-304
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8735.2022.03.012

摘要

内蒙古各大湖泊和湿地是野生鸟类的聚集地,对野生鸟类进行准确识别是进行鸟类保护和习性分析的基础.大量试验证明,卷积神经网络在大规模数据集上训练后具有良好识别效果.但获取野生鸟类图像存在一定难度,很难得到足够的样本量.为提高小样本野生鸟类图像的识别准确率,防止网络训练过程中的过拟合问题,通过改进VGG16的预训练,设计了一种基于迁移学习的卷积神经网络的图像识别方法.经试验验证,迁移学习VGG在测试集上准确率高达96.97％,网络具有更好的鲁棒性,验证了迁移对于提高小样本数据集识别准确率的有效性.