林业科学

作者：齐建东1,2,郑尚姿1,3,陈子仪1,马鐘添1

单位：1. 北京林业大学信息学院　北京 1000832. 国家林业和草原局林业智能信息处理工程技术研究中心　北京 1000833. 唐山学院人工智能学院　唐山 063000

关键词：野生动物,图像识别,深度学习,卷积神经网络,ConvNeXt

基金：国家重点研发计划项目“典型人工林生态系统对全球变化适应机制 ”（2020YFA0608100）；国家自然科学基金项目“全球变化背景下人工林生态系统质量和稳定性综合评估”（32071842）。

目的: 针对红外相机拍摄的野生动物图像数据量大、无效图像占比多、图像背景复杂等问题，提出一种可对图像进行自动、高准确率识别的模型，为生物多样性研究和野生动物保护工作提供更高效的支持。方法: 收集整理近4年来北京园林绿化生态系统监测网络各站点红外相机拍摄的约5 TB图像数据，对其手工标注并进行数据增强后自建10类共4 234张图像数据集。基于ConvNeXt卷积神经网络，结合北京地区野生动物图像数据集特点，设计BSGG-ConvNeXt模型，使用BlurPool、SENet、全局响应归一化层（GRN）、GCNet提升模型识别能力，并在自建数据集上探究训练策略对ConvNeXt网络识别准确率的影响，通过与其他经典模型比较，明确BSGG-ConvNeXt模型的优势。利用公开的红外野生动物Snapshot Serengeti（SS）数据集和Caltech Camera Traps（CCT）数据集，验证模型的泛化能力。结果: 以ConvNeXt的ConvNeXt-T网络尺寸模型为例，其在自建数据集中的准确率为74.13%，乘加累积操作数（MACs）为4.47×109。应用不同改进方案发现，使用 BlurPool后准确率提升2.2%，MACs降至1.07×109；使用SENet后准确率提升3.2%；使用GRN并删掉缩放层后准确率升至87.18%，参数数量增至27.88×106；使用GCNet后在不增大计算量的情况下准确率升至75.44%，但参数数量增至28.25×106。将上述改进方案结合得到的BSGG-ConvNeXt应用于ConvNeXt-T模型获得BSGG-ConvNeXt-T模型，参数数量虽有少量增多，但MACs降为1.07×109，模型准确率升至83.63%，高于原模型。使用预训练权重后的BSGG-ConvNeXt-T模型准确率可达94.07%，高于ResNet-50（76.39%）、ResNeXt-50（87.60%）、MobileViT（90.00%）、DenseNet（87.66%）、RegNet（69.90%）、ConvNeXtv2（91.93%）、SwinTransformer的（86.23%）和MobileOne（71.53%），将BSGG-ConvNeXt模型应用于4种不同网络尺寸的ConvNeXt模型后，在自建数据集中的表现均优于未改进模型。BSGG-ConvNeXt模型在SS数据集中的识别准确率达50.28%，在CCT数据集中的识别准确率达56.15%，均高于原模型的准确率。结论: BSGG-ConvNeXt模型识别红外相机拍摄的野生动物图像准确率更高，在自建、公开的野生动物红外图像数据集上均有较好表现，且具有一定泛化能力。

来源：2024年第8期

《林业科学》期刊编辑部

查看林业科学杂志2024年第8期