论文研究基于Faster RCNN的榆紫叶甲虫识别方法研究.pdf

针对传统图像识别方法中利用人工设计特征提取模板对昆虫的识别精度不高的问题，提出了基于K-means聚类的深度学习网络模型FasterR-CNN对图像中的目标进行识别。该方法用K-means聚类算法，结合BWP指标对训练数据标签的长宽比值进行聚类，用新的聚类中心点代替标准FasterR-CNN网络中生成初始候选框的长宽比值；对生成初始候选框的尺寸加以改进；将训练数据送入改进后的FasterR-CNN网络进行训练。实验结果表明，在识别具有特定长宽比例的目标时，加入聚类策略的FasterR-CNN网络较标准FasterR-CNN网络有较强的鲁棒性，有效克服了叶片豁口或孔洞造成的冗余现象、榆