基于改进Cascade R-CNN的雪豹物种水平的自动检测方法

作     者：张毓 高雅月 常峰源 谢将剑 张军国 ZHANG Yu;GAO Yayue;CHANG Fengyuan;XIE Jiangjian;ZHANG Junguo

作者机构：青海省祁连山自然保护区管理局海北藏族自治州810400 祁连山国家公园国家长期科研基地海北藏族自治州810400 北京林业大学工学院北京100083 

出 版 物：《野生动物学报》 (CHINESE JOURNAL OF WILDLIFE)

年 卷 期：2022年第43卷第2期

页      面：307-313页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0713[理学-生态学] 

基　　金：中央高校基本科研业务费专项资金项目(2021ZY70) 北京市自然科学基金青年项目(6214040) 北京市自然科学基金面上项目(6192019) 

主　　题：雪豹 监测图像 Cascade R-CNN 目标检测 

摘      要：雪豹(Panthera uncia)的皮毛具有较强的隐蔽性,红外相机监测图像中雪豹和背景较为相似,而且监测图像中雪豹的尺寸大小不一,为了提升雪豹检测的准确率,采用3个不同的检测器进行级联,在特征提取网络中引入特征金字塔结构改进Cascade R-CNN模型实现了雪豹的自动检测。以项目组采集的雪豹监测图像为数据集的评估结果表明,无论是白天/黑夜图像,还是多种不同尺寸雪豹同时出现的图像,该方法都可以较好地实现雪豹的识别及定位,平均准确率达93.0%,对比Faster R-CNN和SSD-300(Single Shot MultiBox Detector 300)分别提升了9.0%和3.9%。将该模型应用于雪豹监测图像的自动筛选,可以极大地提高工作效率。