1.在自然生態照片中,蝴蝶往往以小目標的形式出現(蝴蝶圖像的面積太小),傳統的蝴蝶識別算法往往無能為力。 2.培訓所需的數據量巨大,但找不到高質量的帶注釋的公共數據集。 3.一些稀有蝴蝶在自然狀態下的照片太少,無法直接用作訓練集。 Joe Redmon [1]提出的YOLO模型是目標檢測領域的一種著名的端到端學習模型。 與RCNN [13]序列的兩步模型相比,YOLO模型執行速度快,避免了背景誤差,但定位精度差,某些分類的單模型誤報率高。 為了提高蝴蝶識別的效率,本文將充分利用中國數據挖掘大賽和百度百科提供的數據,建立包含大量蝴蝶生態照片的蝴蝶數據集,在自然環境中利用生態照片進行模型訓練,并在YOLO V3算法的基礎上,提出了一種用于蝴蝶生態照片定位識別的集成算法。 本文的主要結構如下: