基于改进RetinaNet的自然环境中蝴蝶种类识别

来源：计算机研究与发展杂志2021年第8期北京时间：

作者：谢娟英,鲁银圆,孔维轩,许升全,

摘要：蝴蝶是一种对栖息地敏感的昆虫，自然环境中的蝴蝶种类分布反映了区域生态系统平衡和生物多样性.专家鉴别蝴蝶种类耗时耗力，计算机视觉技术为野外环境中蝴蝶种类自动识别提供了可能.针对野外环境下的蝴蝶图像特征，提出2种新的硬注意力机制，DSEA(directsqueeze-and-excitationwithglobalaveragepooling)和DSEM(directsqueeze-and-excitationwithglobalmaxpooling)，改进经典目标检测算法RetinaNet，并引入可变形卷积增强RetinaNet对蝴蝶形变的建模能力，实现野外环境下蝴蝶种类自动识别.以mAP(meanaverageprecision)目标检测指标评价模型性能，通过实验结果可视化，分析影响模型性能的关键因素.实验结果显示，提出的改进RetinaNet对自然环境下的蝴蝶识别任务具有很不错的效果,特别是基于DSEM的RetinaNet；分布平衡的训练集可以提升提出模型的泛化性能；样本的结构相异性是影响模型性能的关键因素.

关键词：蝴蝶检测, 蝴蝶识别, 注意力机制, 可变形卷积, RetinaNet,