期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的蝴蝶科级标本图像自动识别
被引量：
17
1
作者
周爱明
马鹏鹏
+5 位作者
席天宇
王江宁
冯晋
邵泽中
陶玉磊
姚青
《昆虫学报》
CAS
CSCD
北大核心
2017年第11期1339-1348,共10页
【目的】本研究旨在探讨深度学习模型在蝴蝶科级标本图像自动识别中的可行性和泛化能力。【方法】为了提高识别模型的鲁棒性和泛化能力,将锤角亚目中6个科1 117种蝴蝶标本图像通过水平翻转、增加图像对比度与亮度以及添加噪声的方式增...
【目的】本研究旨在探讨深度学习模型在蝴蝶科级标本图像自动识别中的可行性和泛化能力。【方法】为了提高识别模型的鲁棒性和泛化能力,将锤角亚目中6个科1 117种蝴蝶标本图像通过水平翻转、增加图像对比度与亮度以及添加噪声的方式增强图像数据集。在Caffe框架下,利用迁移学习方法,首先使用Image Net数据集中的图像训练Caffe Net模型,迭代31万次后得到初始化的网络权值;然后利用蝴蝶图像训练已预训练好的Caffe Net模型,通过参数微调,获得一个蝴蝶科级标本图像自动识别的卷积神经网络模型。为了比较深度学习和传统模式识别两种方法建立的模型的泛化能力,对相同训练样本提取全局特征和局部特征,训练支持向量机(support vector machine,SVM)分类器。所有的模型在与训练样本图像来源一致和不一致的两个测试样本集上进行测试。【结果】当测试样本与训练样本来源一致,均为蝴蝶标本图像时,基于Caffe Net的蝴蝶识别模型对6个科的蝴蝶识别准确率平均达到95.8%,基于Gabor的SVM分类器也获得了94.8%的识别率。当测试样本与训练样本来源不一致,为自然环境下拍摄的蝴蝶图像时,两种方法获得的识别率均下降,但Caffe Net模型对蝴蝶自然图像的平均识别率仍能达到65.6%,而基于Gabor的SVM分类器的识别率仅为38.9%。【结论】利用Caffe Net模型进行蝴蝶科级标本图像识别是可行的,相比较传统模式识别方法,基于深度学习的蝴蝶识别模型具有更好的泛化能力。
展开更多
关键词
蝴蝶
标本
图像
自动识别
深度学习
CaffeNet模型
特征提取
支持向量机
下载PDF
职称材料
中国植物标本馆数字化发展的缩影——江苏省中国科学院植物研究所标本馆(NAS)
被引量：
1
2
作者
刘启新
褚晓芳
+2 位作者
董晓宇
惠红
周义峰
《广西植物》
CSCD
北大核心
2022年第S01期71-86,共16页
江苏省中国科学院植物研究所标本馆(NAS)是中国最早的植物标本馆之一,也是国内最早开展植物标本数字化的标本馆,其标本数字化发展经历了4个阶段:20世纪80年代后期尝试的标本文字信息数字化的起步阶段;20世纪90年代末的标本图像数字化和...
江苏省中国科学院植物研究所标本馆(NAS)是中国最早的植物标本馆之一,也是国内最早开展植物标本数字化的标本馆,其标本数字化发展经历了4个阶段:20世纪80年代后期尝试的标本文字信息数字化的起步阶段;20世纪90年代末的标本图像数字化和文字信息数字化规范阶段;2004年以后的标本批量数字化与信息网络共享快速发展阶段;2018年后的标本数字化信息维护与优化阶段。这一过程集中代表和反映了中国植物标本数字化的发展历程。此外,近年来开始了发掘和利用江苏植物标本的数字化信息工作,包括建设江苏省级数字植物标本馆、开发江苏省维管植物标本时空分布可视化系统、开展标本采集-入库过程数字化等。今后,将不断深化标本数字化的工作,以期形成有NAS特色的数字化植物标本馆。
展开更多
关键词
江苏省
植物
标本
标本
图像
标本
信息
数字化
数据库
下载PDF
职称材料
中国凤蝶标本图像特征数据集
被引量：
2
3
作者
王江宁
韩艳
纪力强
《中国科学数据（中英文网络版）》
2016年第3期28-31,共4页
中国凤蝶标本图像特征数据集是在对蝴蝶标本图像自动识别的研究中产生的。本数据集收集了使用规范方法从390幅经过处理后的中国凤蝶标本图像中提取的三个最常用特征的数值数据,即颜色、形状和纹理特征。本数据集的每条记录都包含了蝴蝶...
中国凤蝶标本图像特征数据集是在对蝴蝶标本图像自动识别的研究中产生的。本数据集收集了使用规范方法从390幅经过处理后的中国凤蝶标本图像中提取的三个最常用特征的数值数据,即颜色、形状和纹理特征。本数据集的每条记录都包含了蝴蝶的分类信息、图像编号以及特征信息,为模式识别、昆虫分类等研究提供了基础数据。
展开更多
关键词
凤蝶科
标本
图像
图像
特征
模式识别
下载PDF
职称材料
中国粉蝶标本图像特征数据集
被引量：
1
4
作者
王江宁
韩艳
纪力强
《中国科学数据（中英文网络版）》
CSCD
2018年第1期43-46,共4页
中国粉蝶标本图像特征数据集是在对蝴蝶标本图像自动识别的研究中产生的。本数据集收集了从457幅经过处理后的中国粉蝶标本图像中提取的3个最常用特征的数值数据,即颜色、形状和纹理特征。本数据集的每条记录都包含了蝴蝶的分类信息、...
中国粉蝶标本图像特征数据集是在对蝴蝶标本图像自动识别的研究中产生的。本数据集收集了从457幅经过处理后的中国粉蝶标本图像中提取的3个最常用特征的数值数据,即颜色、形状和纹理特征。本数据集的每条记录都包含了蝴蝶的分类信息、图像编号以及特征信息,为模式识别、昆虫分类等研究提供了基础数据。本数据集是中国蝴蝶标本图像特征数据集的重要组成部分。
展开更多
关键词
粉蝶科
标本
图像
图像
特征
模式识别
下载PDF
职称材料
题名
基于深度学习的蝴蝶科级标本图像自动识别
被引量：
17
1
作者
周爱明
马鹏鹏
席天宇
王江宁
冯晋
邵泽中
陶玉磊
姚青
机构
浙江理工大学信息学院
中国科学院动物研究所
出处
《昆虫学报》
CAS
CSCD
北大核心
2017年第11期1339-1348,共10页
基金
国家高技术研究发展计划(863计划)项目(2013AA102402)
国家自然科学青年基金项目(31501841)
+1 种基金
浙江省新苗计划项目(2016R406039)
浙江理工大学521人才培养计划资助
文摘
【目的】本研究旨在探讨深度学习模型在蝴蝶科级标本图像自动识别中的可行性和泛化能力。【方法】为了提高识别模型的鲁棒性和泛化能力,将锤角亚目中6个科1 117种蝴蝶标本图像通过水平翻转、增加图像对比度与亮度以及添加噪声的方式增强图像数据集。在Caffe框架下,利用迁移学习方法,首先使用Image Net数据集中的图像训练Caffe Net模型,迭代31万次后得到初始化的网络权值;然后利用蝴蝶图像训练已预训练好的Caffe Net模型,通过参数微调,获得一个蝴蝶科级标本图像自动识别的卷积神经网络模型。为了比较深度学习和传统模式识别两种方法建立的模型的泛化能力,对相同训练样本提取全局特征和局部特征,训练支持向量机(support vector machine,SVM)分类器。所有的模型在与训练样本图像来源一致和不一致的两个测试样本集上进行测试。【结果】当测试样本与训练样本来源一致,均为蝴蝶标本图像时,基于Caffe Net的蝴蝶识别模型对6个科的蝴蝶识别准确率平均达到95.8%,基于Gabor的SVM分类器也获得了94.8%的识别率。当测试样本与训练样本来源不一致,为自然环境下拍摄的蝴蝶图像时,两种方法获得的识别率均下降,但Caffe Net模型对蝴蝶自然图像的平均识别率仍能达到65.6%,而基于Gabor的SVM分类器的识别率仅为38.9%。【结论】利用Caffe Net模型进行蝴蝶科级标本图像识别是可行的,相比较传统模式识别方法,基于深度学习的蝴蝶识别模型具有更好的泛化能力。
关键词
蝴蝶
标本
图像
自动识别
深度学习
CaffeNet模型
特征提取
支持向量机
Keywords
Butterfly
specimen images
automatic identification
deep learning
CaffeNet model
feature extraction
support vector machine
分类号
Q969 [生物学—昆虫学]
下载PDF
职称材料
题名
中国植物标本馆数字化发展的缩影——江苏省中国科学院植物研究所标本馆(NAS)
被引量：
1
2
作者
刘启新
褚晓芳
董晓宇
惠红
周义峰
机构
江苏省中国科学院植物研究所(南京中山植物园)标本馆
出处
《广西植物》
CSCD
北大核心
2022年第S01期71-86,共16页
基金
国家标本资源共享平台项目(2005DKA21400)
国家科技资源共享服务平台项目(E2117G1001)
江苏省省属公益类科研院所植株科研课题(JSPKL202058)。
文摘
江苏省中国科学院植物研究所标本馆(NAS)是中国最早的植物标本馆之一,也是国内最早开展植物标本数字化的标本馆,其标本数字化发展经历了4个阶段:20世纪80年代后期尝试的标本文字信息数字化的起步阶段;20世纪90年代末的标本图像数字化和文字信息数字化规范阶段;2004年以后的标本批量数字化与信息网络共享快速发展阶段;2018年后的标本数字化信息维护与优化阶段。这一过程集中代表和反映了中国植物标本数字化的发展历程。此外,近年来开始了发掘和利用江苏植物标本的数字化信息工作,包括建设江苏省级数字植物标本馆、开发江苏省维管植物标本时空分布可视化系统、开展标本采集-入库过程数字化等。今后,将不断深化标本数字化的工作,以期形成有NAS特色的数字化植物标本馆。
关键词
江苏省
植物
标本
标本
图像
标本
信息
数字化
数据库
Keywords
Jiangsu Province
plant specimens
image of specimens
information of specimens
digitization
database
分类号
Q94 [生物学—植物学]
下载PDF
职称材料
题名
中国凤蝶标本图像特征数据集
被引量：
2
3
作者
王江宁
韩艳
纪力强
机构
中国科学院动物研究所
出处
《中国科学数据（中英文网络版）》
2016年第3期28-31,共4页
基金
国家自然科学青年基金(31501841).
文摘
中国凤蝶标本图像特征数据集是在对蝴蝶标本图像自动识别的研究中产生的。本数据集收集了使用规范方法从390幅经过处理后的中国凤蝶标本图像中提取的三个最常用特征的数值数据,即颜色、形状和纹理特征。本数据集的每条记录都包含了蝴蝶的分类信息、图像编号以及特征信息,为模式识别、昆虫分类等研究提供了基础数据。
关键词
凤蝶科
标本
图像
图像
特征
模式识别
Keywords
Papilionidae
specimen image
image feature
pattern recognition
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
Q969 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
中国粉蝶标本图像特征数据集
被引量：
1
4
作者
王江宁
韩艳
纪力强
机构
中国科学院动物研究所
出处
《中国科学数据（中英文网络版）》
CSCD
2018年第1期43-46,共4页
基金
国家自然科学青年基金(2016),基于在线学习的昆虫图像识别方法的研究及其在蝴蝶识别中的应用(31501841)
国家科技部国家科技基础条件平台项目“国家基础科学数据共享服务平台”(DKA2017-12-02-20).
文摘
中国粉蝶标本图像特征数据集是在对蝴蝶标本图像自动识别的研究中产生的。本数据集收集了从457幅经过处理后的中国粉蝶标本图像中提取的3个最常用特征的数值数据,即颜色、形状和纹理特征。本数据集的每条记录都包含了蝴蝶的分类信息、图像编号以及特征信息,为模式识别、昆虫分类等研究提供了基础数据。本数据集是中国蝴蝶标本图像特征数据集的重要组成部分。
关键词
粉蝶科
标本
图像
图像
特征
模式识别
Keywords
Pieridae
specimen image
image feature
pattern recognition
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
Q969 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的蝴蝶科级标本图像自动识别
周爱明
马鹏鹏
席天宇
王江宁
冯晋
邵泽中
陶玉磊
姚青
《昆虫学报》
CAS
CSCD
北大核心
2017
17
下载PDF
职称材料
2
中国植物标本馆数字化发展的缩影——江苏省中国科学院植物研究所标本馆(NAS)
刘启新
褚晓芳
董晓宇
惠红
周义峰
《广西植物》
CSCD
北大核心
2022
1
下载PDF
职称材料
3
中国凤蝶标本图像特征数据集
王江宁
韩艳
纪力强
《中国科学数据（中英文网络版）》
2016
2
下载PDF
职称材料
4
中国粉蝶标本图像特征数据集
王江宁
韩艳
纪力强
《中国科学数据（中英文网络版）》
CSCD
2018
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
