基于Local-Global-VIT细粒度分类算法的蝴蝶识别

Butterfly recognition based on Local-Global-VIT fine-grained classification algorithm

二维码有效期 120s

摘要[目的]准确鉴别蝴蝶种类,动态观测蝴蝶群落多样性变化对生境质量评估、生态环境恢复等方面具有重要意义.针对现有蝴蝶识别方法仅依靠整体特征,忽略了局部特征导致识别生态图像能力不足的问题,本研究旨在开发一种Local-Global-VIT细粒度分类算法的蝴蝶识别方法.[方法]本研究以5科200种共计25 279张蝴蝶图像为识别对象,采用多种数据增强方法扩充图像数据;通过视觉Transformer(vision transformer,VIT)层级结构及自注意力机制逐层选择局部令牌并保留至最后一层学习蝴蝶局部判别部位信息;聚合高层全局令牌消除复杂背景干扰;通过对比损失拉大类间距提高区分度.除此之外,使用合理的学习率调整策略和迁移学习方法,优化了模型收敛过程,在不增加参数量的情况下提高了性能.[结果]Local-Global-VIT算法在大规模细粒度公开数据集Butterfly-200上识别准确率达91.20％,较改进前提升了 1.15％,比最优的一般害虫识别算法EfficientNet_b0和细粒度分类算法TransFG准确率分别高了 1.83％和0.64％,F1分值分别提高了1.89％和0.88％.[结论]Local-Global-VIT算法以细粒度识别方式有效解决了蝴蝶类内差异大、类间差异小的分类难题,能准确地识别蝴蝶种类,有助于高效评估生境质量.

作者李建祥 ^[1] 李小林 ^[1] 王荣 ^[2] 张元孜 ^[1] 陈淑武 ^[1] 张飞萍 ^[3] 黄世国 ^[4] 学术成果认领

作者单位福建农林大学计算机与信息学院,福州 350002 ^[1] 福建农林大学林学院,福州 350002 ^[2] 福建农林大学林学院,福州 350002;生态公益重大有害生物防控福建省高校重点实验室,福州 350002 ^[3] 福建农林大学计算机与信息学院,福州 350002;生态公益重大有害生物防控福建省高校重点实验室,福州 350002 ^[4]

关键词蝴蝶图像识别细粒度分类 vision transformer 局部令牌选择全局令牌聚合 Butterfly image recognition fine-grained classification vision transformer local tokens selection global tokens aggregation

分类号 Q969

栏目名称 进化与系统学

DOI 10.16380/j.kcxb.2024.09.009

发布时间 2024-11-15

基金项目

福建省自然科学基金项目 福建农林大学科技创新专项基金项目