基于YOLOv3和注意力机制的野外蝴蝶种类识别

摘要

针对目前野外环境下蝴蝶分类粒度细致,现有模型对其识别效率低、精度差的问题,以野外蝴蝶图像的种类自动识别为目标,在自建混合数据集基础上,对YOLOv3模型的主干网络进行了改进,提出一种内嵌通道注意力MultiSE1D识别网络。该网络使用多尺度提取高维特征,使网络具有多种感受野,更好地关注了蝴蝶众多子类间、周围环境间存在的局部细微差异;并使用一维卷积代替压缩激励层,避免通道特征降维的同时,有效降低了模型参数量,提升了模型运行效率。所提算法在自建数据集上进行实验,结果表明:模型最终的平均精度均值(mAP)达到了83.2%。改进的识别网络可以有效提升原模型提取蝴蝶图像特征的准确性及细节特征的学习能力,能为野外蝴蝶数字图像的种类识别问题提供有效的解决方案。