首页|基于残差卷积神经网络模型的勺嘴鹬动作识别

基于残差卷积神经网络模型的勺嘴鹬动作识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为开启海南热带地区鸻鹬类涉禽的动作识别以及其他野生鸟类行为学自动识别的研究,建立了基于野外采集影像的勺嘴鹬(Eurynorhynchus pygmeus)动作图像数据集.该数据集由表达勺嘴鹬主要行为模式的 9种动作标签组成;同时利用ResNet50、ResNet101和ResNet152共 3种残差卷积神经网络模型尝试对勺嘴鹬的动作进行自动识别.结果表明,ResNet50、ResNet101、ResNet152测试集准确率分别为 96.90%、96.94%和96.90%,说明3种模型都能对勺嘴鹬图像进行快速准确的动作识别.
Action recognition of spoon-billed sandpipers(Eurynorhynchus pygmeus)based on residual convolutional neural network model

residual convolutional neural networkbird imagemovement recognitionspoon-billed sandpiper

杨雪珂、蒙金超、冯悦恒、林婷婷、王兆君、刘辉

展开 >

海南大学林学院,海口 570228

中国科学院动物研究所,北京 100101

残差卷积神经网络 鸟类图像 动作识别 勺嘴鹬

2023

10.15886/j.cnki.rdswxb.20220088

热带生物学报
海南大学

热带生物学报

CSTPCD
影响因子：0.406
ISSN：1674-7054
年,卷(期)：2023.14(5)
  • 30