使用转移学习和高分辨率网络检测后翼地标
Yi Yang1,2, Xiaokun Liu1,2, Wenjie Li1,2
1Key Laboratory of Zoological Systematics and Evolution, Institute of Zoology, Chinese Academy of Sciences, Beijing 100101, China.
Biology
|July 29, 2023
概括
这项研究引入了一种新方法,用于自动检测叶甲虫后翼上的地标,大大加快了昆虫翅膀的分析. 这种方法即使使用最小的培训数据,也能达到高准确度,超过现有方法的性能.
科学领域:
- 昆虫学 昆虫学是一门学科.
- 形态学 形态学 形态学
- 计算机视觉 计算机视觉
背景情况:
- 在分析甲虫飞行和设计生物启发的微型飞行器方面,后翼的飞行非常重要.
- 对后翼形态学的手动地标注释是劳动密集型的,限制了研究进展.
研究的目的:
- 开发一种自动化方法来检测叶甲虫后翼上的地标.
- 为了使用有限的样本数据进行高效的翅膀形态分析.
主要方法:
- 利用在一个大自然图像数据集 (ImageNet) 上预先训练的深度高分辨率网络.
- 通过重新训练高阶网络参数,将模型转移到叶甲虫后翼领域.
- 构建了叶甲虫后翼里程碑数据集用于培训和评估.
主要成果:
- 在100个训练样本中实现了0.02以下的平均检测正常化平均误差.
- 只有三个训练样本的误差仅为0.045.
- 与深度残留网络方法相比,表现出优异的性能.
结论:
- 拟议的模型转移方法对于叶甲虫后翼地标检测是实用的.
- 充分利用自然图像数据集进行预训练,为昆虫翅膀的数字化提供了一个有前途的途径.
- 这种方法加速了形态分析,并支持了昆虫学和生物启发工程的进步.
