摘要
鸟类生活在多样的生态环境中,其羽毛、体型、颜色等特征具有较大的随机性和多样性,因此需要有效的算法来实现精确的鸟类识别,有效识别各种鸟类目标,这具有重要的生态环境保护意义.本文使用改进后的RepVGG网络对鸟类图像进行分类.为了提取到更有效的特征表示,在RepVGG的特征提取网络中插入了 CBAM注意力机制模块.这个模块能够自适应地调整特征图的通道和空间注意力,从而增强重要特征的表达能力.另外,由于数据样本存在不平衡问题,本文还引入了 IB Loss的类平衡损失函数.该损失函数基于样本对模型训练的影响,为不同样本分配不同的权重,以实现类平衡化.经过一系列实验表明,基于RepVGG网络和CBAM注意力机制的算法能够在识别不同种类的鸟类图像时取得较好的准确度.这表明本文的算法具备一定的实用性和准确性,对于鸟类目标的识别和生态环境的保护具有重要意义.
基金项目
宿迁市市级指导性科技计划(2022)(Z2022035)
NETL
NSTL
万方数据