免费论文查重认准CNKI论文查重，专为高校论文检测、毕业论文查重、硕士论文查重诞生的论文检测入口平台，CNKI论文查重系统涵盖海量的数据库，为毕业生解决各种烦恼，论文查重软件免费为各种有论文检测、论文查重需求的人提供，论文查重认准CNKI查重！
发布时间：2023-09-20 16:41:28 作者：知网小编 来源：www.it54.cn
在YOLO算法的基础上，综合不同训练机制的YOLO模型的结果，提出了一种基于YOLO算法的蝴蝶自动检测与分类识别算法。 它大大提高了Yolo算法的泛化能力，使其具有较好的解决小样本问题的能力。
1.在自然生态照片中，蝴蝶往往以小目标的形式出现（蝴蝶图像的面积太小），传统的蝴蝶识别算法往往无能为力。 2.培训所需的数据量巨大，但找不到高质量的带注释的公共数据集。 3.一些稀有蝴蝶在自然状态下的照片太少，无法直接用作训练集。 Joe Redmon [1]提出的YOLO模型是目标检测领域的一种著名的端到端学习模型。 与RCNN [13]序列的两步模型相比，YOLO模型执行速度快，避免了背景误差，但定位精度差，某些分类的单模型误报率高。 为了提高蝴蝶识别的效率，本文将充分利用中国数据挖掘大赛和百度百科提供的数据，建立包含大量蝴蝶生态照片的蝴蝶数据集，在自然环境中利用生态照片进行模型训练，并在YOLO V3算法的基础上，提出了一种用于蝴蝶生态照片定位识别的集成算法。 本文的主要结构如下：
传统的蝴蝶识别算法存在以下问题： 1.在自然生态照片中，蝴蝶往往以小目标的形式出现（蝴蝶图像的面积太小），传统的蝴蝶识别算法往往无能为力。 2.培训所需的数据量巨大，但找不到高质量的带注释的公共数据集。 3.一些稀有蝴蝶在自然状态下的照片太少，无法直接用作训练集。 Joe Redmon [1]提出的YOLO模型是目标检测领域的一种著名的端到端学习模型。 与RCNN [13]序列的两步模型相比，YOLO模型执行速度快，避免了背景误差，但定位精度差，某些分类的单模型误报率高。
