免費論文查重認準CNKI論文查重，專為高校論文檢測、畢業論文查重、碩士論文查重誕生的論文檢測入口平臺，CNKI論文查重系統涵蓋海量的數據庫，為畢業生解決各種煩惱，論文查重軟件免費為各種有論文檢測、論文查重需求的人提供，論文查重認準CNKI查重！
發布時間：2023-09-20 16:41:28 作者：學術小編 來源：m.derer.cn
在YOLO算法的基礎上，綜合不同訓練機制的YOLO模型的結果，提出了一種基于YOLO算法的蝴蝶自動檢測與分類識別算法。 它大大提高了Yolo算法的泛化能力，使其具有較好的解決小樣本問題的能力。
1.在自然生態照片中，蝴蝶往往以小目標的形式出現（蝴蝶圖像的面積太小），傳統的蝴蝶識別算法往往無能為力。 2.培訓所需的數據量巨大，但找不到高質量的帶注釋的公共數據集。 3.一些稀有蝴蝶在自然狀態下的照片太少，無法直接用作訓練集。 Joe Redmon [1]提出的YOLO模型是目標檢測領域的一種著名的端到端學習模型。 與RCNN [13]序列的兩步模型相比，YOLO模型執行速度快，避免了背景誤差，但定位精度差，某些分類的單模型誤報率高。 為了提高蝴蝶識別的效率，本文將充分利用中國數據挖掘大賽和百度百科提供的數據，建立包含大量蝴蝶生態照片的蝴蝶數據集，在自然環境中利用生態照片進行模型訓練，并在YOLO V3算法的基礎上，提出了一種用于蝴蝶生態照片定位識別的集成算法。 本文的主要結構如下：
傳統的蝴蝶識別算法存在以下問題： 1.在自然生態照片中，蝴蝶往往以小目標的形式出現（蝴蝶圖像的面積太小），傳統的蝴蝶識別算法往往無能為力。 2.培訓所需的數據量巨大，但找不到高質量的帶注釋的公共數據集。 3.一些稀有蝴蝶在自然狀態下的照片太少，無法直接用作訓練集。 Joe Redmon [1]提出的YOLO模型是目標檢測領域的一種著名的端到端學習模型。 與RCNN [13]序列的兩步模型相比，YOLO模型執行速度快，避免了背景誤差，但定位精度差，某些分類的單模型誤報率高。
