• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種基于生成式對(duì)抗網(wǎng)絡(luò)的數(shù)據(jù)集擴(kuò)充方法在濕地 鳥類圖像識(shí)別中的應(yīng)用

    2022-08-30 06:43:36熊聰聰趙子健曹鑒華湯凌燕
    關(guān)鍵詞:檢測(cè)模型

    熊聰聰,趙子健,曹鑒華,湯凌燕

    (天津科技大學(xué)人工智能學(xué)院,天津 300457)

    濕地是鳥類重要的棲息地,也是天然的物種基因庫和人類的重要環(huán)境之一[1].將計(jì)算機(jī)視覺技術(shù)應(yīng)用于濕地鳥類識(shí)別,利用目標(biāo)檢測(cè)算法對(duì)濕地鳥類進(jìn)行識(shí)別,識(shí)別的速度更快、結(jié)果更準(zhǔn)確.該技術(shù)能夠有效地對(duì)濕地鳥類進(jìn)行統(tǒng)計(jì)、跟蹤,為科研工作者研究濕地鳥類的活動(dòng)范圍、生活習(xí)性以及種群繁衍等提供便利,進(jìn)一步為濕地鳥類提供更具有針對(duì)性的保護(hù)措施,對(duì)保護(hù)濕地的生態(tài)平衡和物種多樣性具有重要 意義.

    基于深度學(xué)習(xí)的特征表達(dá)具有強(qiáng)大的分層自學(xué)能力,能深度挖掘隱含在數(shù)據(jù)內(nèi)部的潛在關(guān)系,因此適合解決分類、目標(biāo)檢測(cè)、語義分割等計(jì)算機(jī)視覺問題.然而,深度學(xué)習(xí)依賴大量有標(biāo)注數(shù)據(jù)的支持[2]. 與傳統(tǒng)生物數(shù)據(jù)集相比,鳥類識(shí)別數(shù)據(jù)集具有不同類別間差距大、同類別內(nèi)差距小、背景復(fù)雜等特點(diǎn)[3]. 與傳統(tǒng)鳥類識(shí)別數(shù)據(jù)集相比,天津大黃堡濕地鳥類數(shù)據(jù)集存在鳥類樣本數(shù)量少、樣本分布不均衡等特點(diǎn). 針對(duì)上述問題,本文提出一種基于生成式對(duì)抗網(wǎng)絡(luò)(generative adversarial network,GAN)的濕地鳥類識(shí)別數(shù)據(jù)集擴(kuò)充方法.首先對(duì)現(xiàn)有的濕地鳥類數(shù)據(jù)樣本進(jìn)行常規(guī)的仿射變換處理,如旋轉(zhuǎn)、縮放、水平翻轉(zhuǎn)、改變顏色通道、添加隨機(jī)噪聲等.在此基礎(chǔ)上,采用生成式對(duì)抗網(wǎng)絡(luò)樣本擴(kuò)充方法,將濕地鳥類圖像輸入生成式對(duì)抗網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練,獲取更多的鳥類圖像樣本,緩解樣本不均衡的問題,提高濕地保護(hù)區(qū)內(nèi)鳥類識(shí)別檢測(cè)的精度.

    1 研究現(xiàn)狀

    深度學(xué)習(xí)在許多場景和任務(wù)中已經(jīng)取得了巨大成功,如圖像分類檢測(cè)、機(jī)器翻譯、語音識(shí)別、視頻處理等[4-7].相比于傳統(tǒng)的有監(jiān)督機(jī)器學(xué)習(xí)方法,深度學(xué)習(xí)不僅依賴復(fù)雜的網(wǎng)絡(luò)模型結(jié)構(gòu)和不斷優(yōu)化的網(wǎng)絡(luò)算法,而且更需要足夠的、大規(guī)模的甚至超大規(guī)模的訓(xùn)練樣本,保證模型具有魯棒性和泛化性.當(dāng)樣本數(shù)量少、樣本分布不均衡時(shí),深度網(wǎng)絡(luò)模型的精度往往會(huì)大打折扣.如何提升樣本數(shù)量、提高模型可靠性是亟待解決的問題[2].

    近年來,數(shù)據(jù)擴(kuò)充(data augmentation)已經(jīng)成為一個(gè)重要的研究領(lǐng)域,它是指通過一定的方法創(chuàng)建額外的合成樣本.在計(jì)算機(jī)視覺領(lǐng)域,當(dāng)已有的圖像數(shù)量過少時(shí),可以使用傳統(tǒng)的圖像處理方法如平移、旋轉(zhuǎn)、縮放、改變顏色通道等,增加樣本的數(shù)量[8].如AlexNet模型[9]提出時(shí)就采用了兩種數(shù)據(jù)擴(kuò)充方法,一種是平移和水平翻轉(zhuǎn)以及在圖像的四角和中心區(qū)域進(jìn)行剪裁;另一種是調(diào)整圖像的RGB通道,改變照明的強(qiáng)度和顏色.這兩種方法使得AlexNet模型的準(zhǔn)確率提升了1%.SPP-Net、Fast RCNN、Faster RCNN、YOLO等多種目標(biāo)檢測(cè)算法中同樣提出多種仿射變換數(shù)據(jù)擴(kuò)充策略[10].使用深度學(xué)習(xí)模型進(jìn)行數(shù)據(jù)擴(kuò)充的方法受到學(xué)術(shù)界的關(guān)注,例如使用人工神經(jīng)網(wǎng)絡(luò)生成用于文本識(shí)別的合成數(shù)據(jù)集[2]以及可變自動(dòng)編碼器[11].同時(shí),一些研究者在計(jì)算機(jī)視覺圖像分類、目標(biāo)檢測(cè)、語義分割領(lǐng)域的多種任務(wù)中,使用生成式對(duì)抗網(wǎng)絡(luò)生成數(shù)據(jù)樣本提升模型的精度和泛化性能[12-13].

    生成式對(duì)抗網(wǎng)絡(luò)的優(yōu)勢(shì)在于其具有強(qiáng)大的隱式建模能力,不需要真實(shí)樣本數(shù)據(jù)的顯式分布以及假設(shè)更多的數(shù)學(xué)條件,這些優(yōu)勢(shì)使得基于對(duì)抗網(wǎng)絡(luò)的圖像生成方法可以被應(yīng)用于很多學(xué)術(shù)領(lǐng)域和工程領(lǐng)域. Qin等[14]針對(duì)醫(yī)學(xué)皮膚病變圖像數(shù)據(jù)集,提出基于皮膚病變圖像風(fēng)格的SL-StyleGAN模型,有效地合成高質(zhì)量的皮膚病變圖像,并且緩解了類別不平衡的問題.Liu等[15]針對(duì)行人檢測(cè)數(shù)據(jù)集,提出屬性保持生成式對(duì)抗網(wǎng)絡(luò)APGAN模型,以模擬各種比例和遮擋的行人圖像,同時(shí)使用風(fēng)格轉(zhuǎn)換增加圖像的真實(shí)度,實(shí)現(xiàn)了數(shù)據(jù)集的擴(kuò)充.王金娜等[16]針對(duì)輸電線路絕緣子目標(biāo)檢測(cè)數(shù)據(jù)集,提出一種基于Cycle-GAN的絕緣子圖像生成方法,生成高質(zhì)量的絕緣子圖像,擴(kuò)充了數(shù)據(jù)集并提升了分類網(wǎng)絡(luò)的性能.

    深度學(xué)習(xí)作為鳥類識(shí)別領(lǐng)域的重要技術(shù)在理論和應(yīng)用等方面已經(jīng)取得較大進(jìn)展[17],但目前使用的數(shù)據(jù)集主要是CUB-200-2011數(shù)據(jù)集.王光陛[18]提出基于Faster RCNN的語義檢測(cè)細(xì)粒度識(shí)別方法,在CUB-200-2011數(shù)據(jù)集上取得81.56%的準(zhǔn)確率.智緒曄[3]使用強(qiáng)監(jiān)督目標(biāo)檢測(cè)模型單次多目標(biāo)框檢測(cè)器,實(shí)現(xiàn)鳥類目標(biāo)和關(guān)鍵部位的檢測(cè)定位,在CUB-200-2011數(shù)據(jù)集的驗(yàn)證集上取得89.7%的準(zhǔn)確率.翁雨辰[19]選用VGG和ResNet作為特征提取網(wǎng)絡(luò),搭建基于區(qū)域建議網(wǎng)絡(luò)和深度全卷積的網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)鳥類圖像分割任務(wù),在CUB-200-2011數(shù)據(jù)集的訓(xùn)練集和測(cè)試集上取得97.7%的準(zhǔn)確率.

    2 數(shù)據(jù)集

    天津大黃堡濕地的生境類型多樣,有大面積的蘆葦沼澤、淺灘、水塘、堤岸草叢及防護(hù)林帶等,其獨(dú)特的地理環(huán)境和優(yōu)良的水質(zhì)為多種鳥類提供了適宜的棲息環(huán)境[20].據(jù)調(diào)查,大黃堡濕地內(nèi)有記錄的鳥類有17目44科199種,其中國家一級(jí)保護(hù)鳥類4種,國家二級(jí)保護(hù)鳥類34種[20].天津大黃堡濕地內(nèi)的4種國家一級(jí)保護(hù)鳥類如圖1所示.

    圖1 天津大黃堡濕地內(nèi)的4種國家一級(jí)保護(hù)鳥類 Fig. 1 Four species of national first-class protected birds in Dahuangbao wetland in Tianjin

    受時(shí)間、環(huán)境等客觀因素的影響,本次收集到濕地鳥類數(shù)據(jù)集的種類和樣本均比較有限,基于細(xì)粒度方式統(tǒng)計(jì),共包含鳥類121種、圖像樣本6045張,數(shù)據(jù)樣本明顯不夠,同時(shí)各類樣本之間不均衡的特征較為突出.

    采用平衡系數(shù)Balance評(píng)價(jià)數(shù)據(jù)集的均衡程度.平衡系數(shù)Balance是一種基于香農(nóng)熵(H)的平衡度量.當(dāng)Balance為1時(shí),表示數(shù)據(jù)集完全平衡,表明每個(gè)類別包含的樣本數(shù)量相同;當(dāng)Balance為0時(shí),表示數(shù)據(jù)集完全不平衡[2].Balance越小說明數(shù)據(jù)集越不平衡,其計(jì)算公式見式(1).

    其中:n為數(shù)據(jù)集樣本數(shù)量,K為類別數(shù)量,ic表示每個(gè)類別包含的樣本數(shù)量.

    按照上述計(jì)算方法計(jì)算原始數(shù)據(jù)集的平衡系數(shù),結(jié)果僅為0.8.經(jīng)過觀察統(tǒng)計(jì),本數(shù)據(jù)集中大量類別樣本數(shù)量小于10,導(dǎo)致數(shù)據(jù)集嚴(yán)重不平衡,因此權(quán)衡后僅保留單個(gè)類別樣本數(shù)量大于100的類別構(gòu)成初始數(shù)據(jù)集,共計(jì)21類3048張樣本(表1).

    表1 濕地鳥類數(shù)據(jù)集概況 Tab. 1 Overview of wetland bird dataset

    3 生成式對(duì)抗網(wǎng)絡(luò)和條件對(duì)抗網(wǎng)絡(luò)

    生成式對(duì)抗網(wǎng)絡(luò)[21]自誕生以來,已經(jīng)成為生成式深度學(xué)習(xí)技術(shù)最顯著的突破之一.生成式對(duì)抗網(wǎng)絡(luò)模型的基本架構(gòu)由兩個(gè)神經(jīng)網(wǎng)絡(luò)組成,分別稱為生成器和判別器,它們?cè)趯?duì)抗的過程中同時(shí)訓(xùn)練.生成器的目的是生成一個(gè)新的合成樣本,使判別器將之誤判為真實(shí)樣本.

    為了學(xué)習(xí)生成器在數(shù)據(jù)x上的分布,定義輸入噪聲變量 pz(z),然后將數(shù)據(jù)空間的映射表示為G(z;θg).判別器的目的是判斷輸入樣本是來自真實(shí)數(shù)據(jù)集 pdata還是合成數(shù)據(jù)集 pg.判別器 D(x;θd)的輸出為一個(gè)標(biāo)量,D(x)表示x來自真實(shí)數(shù)據(jù)集而不是合成數(shù)據(jù)集的概率.因此,生成器和判別器的過程是相反的,二者在相互競爭中不斷優(yōu)化函數(shù),即

    GAN的損失函數(shù)包含網(wǎng)絡(luò)模型的兩個(gè)相互關(guān)聯(lián)的部分:一部分涉及真實(shí)樣本的識(shí)別,其表達(dá)式為;另一部分涉及合成樣本的識(shí)別,其表達(dá)式為.在對(duì)抗訓(xùn)練的過程中最大化 logD(x),提升判別器的判別能力,同時(shí)最小化 log(1 ? D( G(z ))),強(qiáng)化生成器模擬真實(shí)數(shù)據(jù)的能力.

    如果向生成器和判別器輸入額外的信息y,y作為附加輸入層輸入生成器和判別器,就將生成式對(duì)抗網(wǎng)絡(luò)擴(kuò)展為條件對(duì)抗網(wǎng)絡(luò)[22],y可以是任何種類的輔助信息,例如類別標(biāo)簽等.在生成器中,輸入噪聲pz(z)和y被組合成聯(lián)合隱藏表示,在判別器中,x和y被作為輸入提供給判別函數(shù),優(yōu)化函數(shù)為

    圖2為一個(gè)簡單的條件對(duì)抗網(wǎng)絡(luò)結(jié)構(gòu)示意圖.

    在深度生成網(wǎng)絡(luò)模型中,通過學(xué)習(xí)一組樣本的數(shù)據(jù)分布,進(jìn)而使用學(xué)到的分布生成新的樣本.GAN在兩個(gè)網(wǎng)絡(luò)之間產(chǎn)生對(duì)抗,一個(gè)網(wǎng)絡(luò)(生成器)學(xué)習(xí)真實(shí)數(shù)據(jù)的分布并生成新的合成數(shù)據(jù),試圖欺騙另一個(gè)網(wǎng)絡(luò);另一個(gè)網(wǎng)絡(luò)(判別器)負(fù)責(zé)辨別其接收到的數(shù)據(jù)是來自真實(shí)的數(shù)據(jù)集還是生成器生成的合成數(shù)據(jù). 兩個(gè)網(wǎng)絡(luò)在不斷對(duì)抗學(xué)習(xí)中逐漸提升合成和鑒別的能力,最后能夠生成可以使人類專家都無法分辨真?zhèn)蔚?合成圖像[21].

    4 大黃堡濕地鳥類數(shù)據(jù)集擴(kuò)充

    4.1 仿射變換

    首先,基于卷積神經(jīng)網(wǎng)絡(luò)的平移旋轉(zhuǎn)不變性,對(duì)所有鳥類圖像樣本進(jìn)行旋轉(zhuǎn)變換.考慮到盡量不引起檢測(cè)框長寬比的較大變化,旋轉(zhuǎn)角度設(shè)定為-5°~5°.然后,進(jìn)行縮放變換、水平翻轉(zhuǎn)變換,考慮到盡量控制位于圖像邊緣附近的鳥類圖像在放大后不越界,避免細(xì)節(jié)丟失,縮放尺度設(shè)定為90%~110%.最后,為了增加模型的魯棒性,使用了添加高斯噪聲的方法,其中μ=10、σ=1.將圖像RGB的3個(gè)通道與三維高斯噪聲相加,使用clamp函數(shù)處理越界的數(shù)值.

    圖3為仿射變換前后的效果對(duì)比.由圖3可以觀察到:經(jīng)過仿射變換,鳥類圖像得到初步擴(kuò)充,并且對(duì)邊界框的長寬比、鳥類圖像的細(xì)節(jié)沒有產(chǎn)生較大改變,對(duì)后續(xù)任務(wù)的精度不會(huì)產(chǎn)生較大影響.

    圖3 仿射變換前后的效果對(duì)比 Fig. 3 Comparison of effects before and after affine transformation

    4.2 數(shù)據(jù)標(biāo)注

    條件對(duì)抗網(wǎng)絡(luò)模型輸入需要具有標(biāo)注的樣本,因此首先對(duì)數(shù)據(jù)集已有的樣本進(jìn)行標(biāo)注處理.每個(gè)樣本的標(biāo)簽由一個(gè)列表構(gòu)成,包括5個(gè)元素c、x、y、w、h,其中:c為檢測(cè)框內(nèi)目標(biāo)的類別,x、y分別為檢測(cè)框中心的橫坐標(biāo)和縱坐標(biāo),w、h分別為檢測(cè)框的寬度和高度.對(duì)于每個(gè)鳥類圖像樣本,可以根據(jù)標(biāo)簽信息提取目標(biāo)檢測(cè)框內(nèi)的鳥類圖像.為了避免拉伸造成的形變對(duì)模型分類精度的影響,以檢測(cè)框的長邊為邊長繪制一個(gè)灰色的正方形,然后將目標(biāo)放置在正方形的中心,將正方形壓縮至128像素×128像素,最后保存每個(gè)目標(biāo)的類別(圖4).

    圖4 提取鳥類目標(biāo) Fig. 4 Extracting bird targets

    4.3 條件對(duì)抗網(wǎng)絡(luò)圖像生成

    將上述操作得到的鳥類圖像輸入條件對(duì)抗網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練.當(dāng)條件對(duì)抗網(wǎng)絡(luò)模型訓(xùn)練結(jié)束后,使用模型的生成器生成合成數(shù)據(jù).

    當(dāng)數(shù)據(jù)集中每個(gè)類別所包含的樣本數(shù)量不同甚至差距較大,即數(shù)據(jù)的分布不平衡時(shí),將生成式對(duì)抗網(wǎng)絡(luò)模型直接應(yīng)用于合成數(shù)據(jù)的生成,會(huì)出現(xiàn)分類模型崩塌的現(xiàn)象.為了避免這種問題,針對(duì)具有不同數(shù)量樣本的類別,采用不同擴(kuò)充比例的擴(kuò)充方法,讓生成式對(duì)抗網(wǎng)絡(luò)模型更好地適應(yīng)所有類別的樣本分布. 可以使用式(5)確定某類樣本擴(kuò)充后的總數(shù)量N.

    其中:i為合成數(shù)據(jù)的類別,iN為第i類生成合成數(shù)據(jù)的個(gè)數(shù),x為第i類所包含的樣本數(shù)量占數(shù)據(jù)集中所有樣本數(shù)量的比例,n為數(shù)據(jù)集中包含的類別數(shù),N為希望生成的合成數(shù)據(jù)的總數(shù).

    基于初始數(shù)據(jù)集的特點(diǎn),在條件對(duì)抗網(wǎng)絡(luò)模型中設(shè)置參數(shù).生成器的輸入為256維的隨機(jī)噪聲,結(jié)構(gòu)包括反卷積層、批處理歸一化層、ReLU激活層.判別器的結(jié)構(gòu)包括卷積層、批處理歸一化層、ReLU激活層、λ=0.5的隨機(jī)失活層以及全連接層,輸出長度為21的向量.批處理大小設(shè)置為256,生成器和判別器的學(xué)習(xí)率為1×10-5,訓(xùn)練次數(shù)為10000次.判別器網(wǎng)絡(luò)和生成器網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖5所示.

    圖5 判別器網(wǎng)絡(luò)和生成器網(wǎng)絡(luò)結(jié)構(gòu)示意圖 Fig. 5 Structure diagram of discriminator network and generator network

    本實(shí)驗(yàn)平臺(tái)的硬件為GPU-RTX3090,顯存為24GB,算法基于Keras 2.4.3,編程語言為Python 3.8.5,總訓(xùn)練時(shí)間為31.2h.訓(xùn)練完成后,使用生成器進(jìn)行各類別鳥類圖像的生成并加入數(shù)據(jù)集.濕地鳥類原始圖像和對(duì)抗網(wǎng)絡(luò)生成圖像的對(duì)比如圖6所示,圖6即為條件對(duì)抗網(wǎng)絡(luò)生成樣本效果.經(jīng)過仿射變換和對(duì)抗網(wǎng)絡(luò)生成圖像的擴(kuò)充,數(shù)據(jù)集平衡系數(shù)大幅提升,達(dá)到了0.99.

    圖6 濕地鳥類原始圖像和對(duì)抗網(wǎng)絡(luò)生成圖像的對(duì)比(上圖為原圖,下圖為生成圖) Fig. 6 Comparison between the original image of wetland birds and the image generated by the adversarial network(the upper figure is the original image and the lower figure is the generated image)

    針對(duì)初始數(shù)據(jù)集存在樣本數(shù)量少的問題,綜合使用仿射變換、對(duì)抗網(wǎng)絡(luò)模型生成方法實(shí)現(xiàn)鳥類數(shù)據(jù)集的擴(kuò)充,基本保證后續(xù)目標(biāo)檢測(cè)任務(wù)的效率和精度.

    5 大黃堡濕地鳥類數(shù)據(jù)集目標(biāo)檢測(cè)實(shí)踐

    將仿射變換和對(duì)抗網(wǎng)絡(luò)生成的圖像加入數(shù)據(jù)集,并按8﹕2的比例劃分訓(xùn)練集和測(cè)試集.?dāng)?shù)據(jù)集擴(kuò)充前后不同算法評(píng)價(jià)指標(biāo)的對(duì)比見表2.表2展示了原始數(shù)據(jù)集、仿射變換擴(kuò)充數(shù)據(jù)集以及對(duì)抗網(wǎng)絡(luò)擴(kuò)充數(shù)據(jù)集分別在SSD、YOLOv3-SPP-Net、RetinaNet算法上訓(xùn)練100次的效果.3種算法均為單階段目標(biāo)檢測(cè)的經(jīng)典算法,且都可以進(jìn)行多尺度訓(xùn)練以及接受任意大小的圖片作為輸入,評(píng)價(jià)指標(biāo)為AP、mAP、AR,其中AP為將IoU設(shè)置為0.5或0.75時(shí)的平均精度,mAP為將IoU分別設(shè)置為[0.5,0.55,0.6,…,0.95]時(shí)AP的平均值,AR為將IoU分別設(shè)置為[0.5,0.55,0.6,…,0.95]時(shí)的平均召回率.

    表2 數(shù)據(jù)集擴(kuò)充前后不同算法評(píng)價(jià)指標(biāo)的對(duì)比 Tab. 2 Comparison of evaluation indicators of different algorithms before and after data set expansion %

    由表2可知,原始數(shù)據(jù)集的樣本數(shù)量有限,導(dǎo)致SSD算法和RetinaNet算法并不能充分學(xué)習(xí)各類樣本的特征,精度僅為20%左右,只有YOLOv3-SPP-Net算法的mAP達(dá)到了40%,但其AR不足50%.在仿射變換擴(kuò)充后,3種算法的mAP均超過了55%.而在使用本文提出的數(shù)據(jù)集擴(kuò)充方法之后,3種算法的mAP均超過了60%,AR也明顯提升.這表明針對(duì)天津大黃堡濕地場景中的鳥類識(shí)別,基于對(duì)抗網(wǎng)絡(luò)模型擴(kuò)充樣本的方法具有一定的有效性.

    在擴(kuò)充樣本初始數(shù)據(jù)集時(shí),已經(jīng)將同類別內(nèi)樣本數(shù)量小于50的目標(biāo)過濾.然而,在研究過程中嘗試對(duì)所有類別的樣本使用上述擴(kuò)充方法,在經(jīng)典目標(biāo)檢測(cè)算法中識(shí)別的精度并不是很理想,同時(shí)耗時(shí)更長,明顯受到了不同類別間樣本不均衡、擴(kuò)充樣本質(zhì)量不高等因素的影響.

    6 結(jié) 語

    針對(duì)樣本數(shù)量不足且類別分布不均衡的天津大黃堡濕地鳥類數(shù)據(jù)集,提出一種基于對(duì)抗網(wǎng)絡(luò)的濕地鳥類數(shù)據(jù)集擴(kuò)充方法,通過該方法將數(shù)據(jù)集規(guī)模進(jìn)行擴(kuò)充并且緩解了樣本分布不均衡的問題.通過在SSD、YOLOv3-SPP-Net、RetinaNet目標(biāo)檢測(cè)算法上進(jìn)行測(cè)試,使用擴(kuò)充后的數(shù)據(jù)集,基于3種經(jīng)典算法的精度均超過90%.由此可見,本文提出的擴(kuò)充方法得到的數(shù)據(jù)集能夠顯著提升算法的精度,為后續(xù)更多的鳥類識(shí)別研究提供技術(shù)支持.當(dāng)后續(xù)采集的鳥類數(shù)據(jù)集中種類變多時(shí),樣本分布不均衡的問題會(huì)更突出,如何獲取更多質(zhì)量更高的訓(xùn)練集樣本是下一步需要研究的問題.同時(shí),選擇適合區(qū)內(nèi)最佳的目標(biāo)檢測(cè)算法、適當(dāng)改進(jìn)現(xiàn)有經(jīng)典算法滿足目標(biāo)精確識(shí)別要求,也是需要深入思考的方向.

    猜你喜歡
    檢測(cè)模型
    一半模型
    “不等式”檢測(cè)題
    “一元一次不等式”檢測(cè)題
    “一元一次不等式組”檢測(cè)題
    “幾何圖形”檢測(cè)題
    “角”檢測(cè)題
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    3D打印中的模型分割與打包
    小波變換在PCB缺陷檢測(cè)中的應(yīng)用
    欧美少妇被猛烈插入视频| 男人爽女人下面视频在线观看| 色播在线永久视频| 国产精品一区二区精品视频观看| 涩涩av久久男人的天堂| 一本一本久久a久久精品综合妖精| av.在线天堂| 在线观看免费午夜福利视频| 国产精品一区二区在线不卡| 黄色视频在线播放观看不卡| 欧美在线黄色| 欧美日韩一区二区视频在线观看视频在线| 亚洲av成人精品一二三区| 国产视频首页在线观看| 亚洲欧美中文字幕日韩二区| 在线观看一区二区三区激情| 久久国产精品大桥未久av| 在线观看免费日韩欧美大片| 免费av中文字幕在线| 日韩欧美精品免费久久| 老熟女久久久| 久久精品人人爽人人爽视色| av福利片在线| 国产99久久九九免费精品| 午夜激情av网站| videos熟女内射| 日韩,欧美,国产一区二区三区| 母亲3免费完整高清在线观看| 女人精品久久久久毛片| 亚洲精品国产av成人精品| 亚洲精品国产av蜜桃| 亚洲欧美成人精品一区二区| 亚洲精品久久久久久婷婷小说| 国产男人的电影天堂91| 国产在视频线精品| av在线老鸭窝| 丝袜美腿诱惑在线| 日本vs欧美在线观看视频| 看免费av毛片| 欧美日韩亚洲高清精品| 啦啦啦 在线观看视频| 最新的欧美精品一区二区| 成人三级做爰电影| 一边摸一边抽搐一进一出视频| 极品少妇高潮喷水抽搐| 国产有黄有色有爽视频| 一本色道久久久久久精品综合| 久久韩国三级中文字幕| 国产深夜福利视频在线观看| 久热这里只有精品99| 五月天丁香电影| 国产精品香港三级国产av潘金莲 | 免费不卡黄色视频| 国产熟女午夜一区二区三区| 午夜av观看不卡| 1024视频免费在线观看| 国产精品国产三级专区第一集| 婷婷色麻豆天堂久久| 日韩大码丰满熟妇| 91aial.com中文字幕在线观看| 亚洲一区二区三区欧美精品| 91国产中文字幕| 国产精品偷伦视频观看了| 男女边摸边吃奶| 久久女婷五月综合色啪小说| 国产精品久久久av美女十八| 欧美人与性动交α欧美软件| 五月天丁香电影| 亚洲国产欧美网| 亚洲婷婷狠狠爱综合网| 亚洲国产最新在线播放| 狂野欧美激情性xxxx| 大香蕉久久成人网| 成人免费观看视频高清| 深夜精品福利| 日韩,欧美,国产一区二区三区| 在线观看免费视频网站a站| 狠狠精品人妻久久久久久综合| 老司机深夜福利视频在线观看 | 亚洲三区欧美一区| 免费日韩欧美在线观看| 丰满迷人的少妇在线观看| 国产精品久久久久久人妻精品电影 | 高清欧美精品videossex| www.熟女人妻精品国产| 各种免费的搞黄视频| 青草久久国产| 视频在线观看一区二区三区| 国产 一区精品| 久久久精品国产亚洲av高清涩受| 国产精品人妻久久久影院| 久久精品久久久久久噜噜老黄| 在线观看三级黄色| 欧美精品亚洲一区二区| 91精品三级在线观看| 成人黄色视频免费在线看| 日本爱情动作片www.在线观看| 飞空精品影院首页| 51午夜福利影视在线观看| 成人三级做爰电影| 久久久精品区二区三区| 欧美最新免费一区二区三区| 国产精品免费大片| 婷婷成人精品国产| 欧美日本中文国产一区发布| 国产精品秋霞免费鲁丝片| 国产免费一区二区三区四区乱码| 午夜福利视频在线观看免费| 亚洲av中文av极速乱| 中国国产av一级| 久久久久久免费高清国产稀缺| 老汉色av国产亚洲站长工具| 成年女人毛片免费观看观看9 | 亚洲精品中文字幕在线视频| 啦啦啦 在线观看视频| 日韩制服骚丝袜av| 亚洲欧美中文字幕日韩二区| 在线天堂中文资源库| 日韩精品有码人妻一区| 午夜福利影视在线免费观看| 熟女av电影| 欧美日韩视频精品一区| 亚洲精品国产av成人精品| 久久精品熟女亚洲av麻豆精品| 视频在线观看一区二区三区| 好男人视频免费观看在线| 欧美av亚洲av综合av国产av | 晚上一个人看的免费电影| 美女高潮到喷水免费观看| 日本vs欧美在线观看视频| 五月天丁香电影| kizo精华| 少妇人妻久久综合中文| 国产老妇伦熟女老妇高清| 考比视频在线观看| 国产精品秋霞免费鲁丝片| 久久精品亚洲熟妇少妇任你| 黄片小视频在线播放| 亚洲天堂av无毛| 丝袜美足系列| 赤兔流量卡办理| 香蕉国产在线看| 在线观看免费高清a一片| 精品亚洲成a人片在线观看| 亚洲av日韩在线播放| 中文字幕最新亚洲高清| 精品亚洲成国产av| 一区二区三区精品91| 亚洲色图综合在线观看| av在线老鸭窝| 欧美人与性动交α欧美精品济南到| av卡一久久| 亚洲国产毛片av蜜桃av| 只有这里有精品99| 亚洲四区av| 久久亚洲国产成人精品v| 最黄视频免费看| 国产在视频线精品| 久久精品国产亚洲av涩爱| 亚洲美女视频黄频| 国产精品免费视频内射| 国产精品一区二区在线观看99| 日日撸夜夜添| 狂野欧美激情性bbbbbb| 亚洲人成77777在线视频| 一边亲一边摸免费视频| 国产爽快片一区二区三区| 黄频高清免费视频| 亚洲av日韩在线播放| 精品酒店卫生间| 国产精品一区二区在线观看99| 精品国产乱码久久久久久小说| 2018国产大陆天天弄谢| 又粗又硬又长又爽又黄的视频| 国产精品一区二区在线不卡| 亚洲,一卡二卡三卡| 美女福利国产在线| 亚洲精品日本国产第一区| 国产在线一区二区三区精| 亚洲国产日韩一区二区| 免费高清在线观看视频在线观看| 高清av免费在线| 中文字幕精品免费在线观看视频| 欧美日韩精品网址| 国产爽快片一区二区三区| 99久久人妻综合| 亚洲成人免费av在线播放| 日本91视频免费播放| 高清在线视频一区二区三区| 国产爽快片一区二区三区| 欧美在线黄色| 亚洲第一青青草原| 丝袜喷水一区| 亚洲一区二区三区欧美精品| 国产成人一区二区在线| 国产成人精品福利久久| 精品国产一区二区三区久久久樱花| 香蕉丝袜av| 日韩av不卡免费在线播放| 欧美精品人与动牲交sv欧美| 成人黄色视频免费在线看| 一级毛片 在线播放| 爱豆传媒免费全集在线观看| 看免费成人av毛片| 丝袜在线中文字幕| 国产一级毛片在线| 伊人久久国产一区二区| av有码第一页| 波多野结衣一区麻豆| 黄片播放在线免费| 日韩中文字幕欧美一区二区 | 亚洲一区中文字幕在线| av在线app专区| 成人亚洲精品一区在线观看| 最近最新中文字幕免费大全7| 午夜福利影视在线免费观看| 男人添女人高潮全过程视频| 不卡视频在线观看欧美| 男女边摸边吃奶| 免费久久久久久久精品成人欧美视频| 久久精品亚洲熟妇少妇任你| 一个人免费看片子| 香蕉丝袜av| 一本—道久久a久久精品蜜桃钙片| 青春草亚洲视频在线观看| 老司机亚洲免费影院| 极品少妇高潮喷水抽搐| 久久av网站| 天天躁夜夜躁狠狠久久av| 欧美另类一区| 国产在线一区二区三区精| 午夜日本视频在线| 国语对白做爰xxxⅹ性视频网站| 午夜免费男女啪啪视频观看| 精品一区二区免费观看| 日本欧美国产在线视频| 亚洲国产毛片av蜜桃av| 国产精品.久久久| 亚洲七黄色美女视频| 亚洲美女视频黄频| 久久久久久久精品精品| 老司机深夜福利视频在线观看 | 日韩制服骚丝袜av| 久久 成人 亚洲| 久久久久久免费高清国产稀缺| 看十八女毛片水多多多| xxx大片免费视频| 韩国高清视频一区二区三区| 91精品三级在线观看| 又大又黄又爽视频免费| 亚洲成人手机| 97在线人人人人妻| 色94色欧美一区二区| 精品国产乱码久久久久久小说| 丰满乱子伦码专区| 观看美女的网站| 不卡av一区二区三区| 欧美成人精品欧美一级黄| 看免费成人av毛片| 日本午夜av视频| 日日摸夜夜添夜夜爱| 国产欧美日韩一区二区三区在线| 欧美最新免费一区二区三区| 一级片'在线观看视频| a级毛片黄视频| 一区福利在线观看| 香蕉国产在线看| 国产片内射在线| 免费黄色在线免费观看| 欧美黑人欧美精品刺激| 精品久久久久久电影网| 中文乱码字字幕精品一区二区三区| 搡老岳熟女国产| 最近最新中文字幕大全免费视频 | 色播在线永久视频| 女性生殖器流出的白浆| 亚洲精品av麻豆狂野| 午夜福利一区二区在线看| e午夜精品久久久久久久| 晚上一个人看的免费电影| 婷婷色麻豆天堂久久| 免费日韩欧美在线观看| 免费女性裸体啪啪无遮挡网站| 国产99久久九九免费精品| 80岁老熟妇乱子伦牲交| 亚洲欧洲日产国产| 国产xxxxx性猛交| 久久这里只有精品19| 日韩一区二区三区影片| 天天躁夜夜躁狠狠久久av| 国产精品久久久久成人av| 黄色视频不卡| 亚洲精品久久午夜乱码| 国产伦理片在线播放av一区| 久久ye,这里只有精品| 天天影视国产精品| 中国三级夫妇交换| 精品亚洲成a人片在线观看| 中文字幕人妻熟女乱码| 国产精品久久久久久精品古装| 久久久久久久久久久久大奶| 国产精品嫩草影院av在线观看| 亚洲av日韩精品久久久久久密 | 亚洲精品国产av成人精品| av有码第一页| 国产成人免费无遮挡视频| a级片在线免费高清观看视频| 又粗又硬又长又爽又黄的视频| 精品亚洲乱码少妇综合久久| 日韩一卡2卡3卡4卡2021年| 久久人人爽人人片av| 亚洲国产精品一区二区三区在线| 在现免费观看毛片| 亚洲一码二码三码区别大吗| 成年人午夜在线观看视频| 天天添夜夜摸| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品美女久久av网站| 国产人伦9x9x在线观看| 日韩一区二区视频免费看| 亚洲一级一片aⅴ在线观看| 乱人伦中国视频| 国产熟女午夜一区二区三区| 国产一级毛片在线| 中文字幕人妻熟女乱码| 亚洲专区中文字幕在线 | 一级爰片在线观看| 亚洲av男天堂| 91成人精品电影| 日本一区二区免费在线视频| 女的被弄到高潮叫床怎么办| 国产欧美日韩综合在线一区二区| 久久久久久人人人人人| 日本av免费视频播放| 97精品久久久久久久久久精品| 人成视频在线观看免费观看| www日本在线高清视频| 国产男女超爽视频在线观看| 一区二区三区乱码不卡18| 欧美最新免费一区二区三区| 女人爽到高潮嗷嗷叫在线视频| 午夜福利免费观看在线| 丰满少妇做爰视频| 欧美黑人欧美精品刺激| 国产一区二区在线观看av| 久久精品久久精品一区二区三区| tube8黄色片| 男女免费视频国产| av天堂久久9| 亚洲美女搞黄在线观看| 精品酒店卫生间| 操出白浆在线播放| 免费观看性生交大片5| tube8黄色片| 如日韩欧美国产精品一区二区三区| av卡一久久| 亚洲av在线观看美女高潮| 久久女婷五月综合色啪小说| 精品一区二区三区四区五区乱码 | 99久久综合免费| 大香蕉久久网| netflix在线观看网站| 夫妻性生交免费视频一级片| 99九九在线精品视频| 国产高清不卡午夜福利| 国语对白做爰xxxⅹ性视频网站| 黄色一级大片看看| 国产成人啪精品午夜网站| 老司机靠b影院| 在线精品无人区一区二区三| 街头女战士在线观看网站| 午夜久久久在线观看| 久久久久久免费高清国产稀缺| 看免费成人av毛片| 菩萨蛮人人尽说江南好唐韦庄| 午夜精品国产一区二区电影| 日韩不卡一区二区三区视频在线| 亚洲av在线观看美女高潮| 黄片无遮挡物在线观看| 亚洲综合精品二区| 欧美日韩综合久久久久久| 中文字幕av电影在线播放| 美女中出高潮动态图| 菩萨蛮人人尽说江南好唐韦庄| 伊人久久国产一区二区| 国产成人免费观看mmmm| 精品国产一区二区三区四区第35| 国产亚洲午夜精品一区二区久久| 国产又色又爽无遮挡免| 亚洲情色 制服丝袜| 亚洲精品美女久久久久99蜜臀 | 如何舔出高潮| 亚洲欧洲国产日韩| videos熟女内射| 亚洲国产av新网站| 午夜影院在线不卡| 欧美少妇被猛烈插入视频| 国产不卡av网站在线观看| 青春草亚洲视频在线观看| 人人妻人人爽人人添夜夜欢视频| 中文字幕av电影在线播放| 久久精品人人爽人人爽视色| 一级毛片我不卡| 黄频高清免费视频| 亚洲欧美精品综合一区二区三区| 中文欧美无线码| 国产精品久久久久久精品古装| 亚洲一卡2卡3卡4卡5卡精品中文| 女人被躁到高潮嗷嗷叫费观| 色婷婷av一区二区三区视频| 天天影视国产精品| 国产人伦9x9x在线观看| 国产午夜精品一二区理论片| 少妇人妻 视频| 亚洲欧美中文字幕日韩二区| 日本猛色少妇xxxxx猛交久久| 国产日韩欧美亚洲二区| 十八禁人妻一区二区| 中文字幕高清在线视频| 高清在线视频一区二区三区| 欧美在线一区亚洲| 久久 成人 亚洲| 国产精品久久久人人做人人爽| 国产97色在线日韩免费| 国产黄色视频一区二区在线观看| 成人毛片60女人毛片免费| 99九九在线精品视频| 黄色一级大片看看| www.熟女人妻精品国产| 免费少妇av软件| 亚洲伊人久久精品综合| 亚洲精品在线美女| 亚洲一码二码三码区别大吗| 久久精品国产综合久久久| 久久精品国产亚洲av涩爱| 欧美精品av麻豆av| 亚洲成人国产一区在线观看 | 观看av在线不卡| 国产乱来视频区| 亚洲国产日韩一区二区| 欧美日韩国产mv在线观看视频| 成年av动漫网址| 国产欧美日韩综合在线一区二区| 成年人午夜在线观看视频| 免费观看人在逋| 毛片一级片免费看久久久久| 久久久久精品人妻al黑| av天堂久久9| 亚洲成人国产一区在线观看 | 中文字幕最新亚洲高清| 国产成人一区二区在线| 精品久久蜜臀av无| 老熟女久久久| av免费观看日本| 亚洲熟女毛片儿| 视频在线观看一区二区三区| 亚洲一区中文字幕在线| 满18在线观看网站| 午夜91福利影院| 人人妻人人爽人人添夜夜欢视频| 日本av手机在线免费观看| 免费看不卡的av| 少妇人妻久久综合中文| 999精品在线视频| 又大又爽又粗| 男人爽女人下面视频在线观看| 精品国产露脸久久av麻豆| 人人妻人人添人人爽欧美一区卜| 国产毛片在线视频| 美女扒开内裤让男人捅视频| av在线app专区| 亚洲av成人精品一二三区| 热re99久久精品国产66热6| 精品福利永久在线观看| 国产精品99久久99久久久不卡 | 王馨瑶露胸无遮挡在线观看| 欧美日本中文国产一区发布| 国产精品女同一区二区软件| 国产一卡二卡三卡精品 | 久久久精品区二区三区| 视频在线观看一区二区三区| 99久国产av精品国产电影| 大陆偷拍与自拍| 亚洲成人手机| 亚洲成色77777| 日日摸夜夜添夜夜爱| 免费看不卡的av| 男女国产视频网站| 天天影视国产精品| 桃花免费在线播放| 乱人伦中国视频| 国产一区二区在线观看av| 自线自在国产av| 亚洲综合色网址| videosex国产| 曰老女人黄片| 欧美日韩一级在线毛片| 精品国产一区二区三区四区第35| 久久久久久久精品精品| 欧美激情高清一区二区三区 | 国产极品粉嫩免费观看在线| 免费少妇av软件| 亚洲情色 制服丝袜| 最近中文字幕2019免费版| 中文乱码字字幕精品一区二区三区| 中文欧美无线码| 在线观看人妻少妇| 欧美久久黑人一区二区| 国产欧美亚洲国产| 男人爽女人下面视频在线观看| 欧美日韩视频精品一区| 亚洲第一av免费看| 最近中文字幕高清免费大全6| 亚洲第一区二区三区不卡| 一级黄片播放器| 成人国产麻豆网| 日韩一区二区视频免费看| 久久青草综合色| 大话2 男鬼变身卡| 老司机靠b影院| 亚洲国产欧美在线一区| 国产一区二区三区综合在线观看| 超碰成人久久| 波多野结衣一区麻豆| 搡老岳熟女国产| 午夜免费鲁丝| 欧美xxⅹ黑人| 999精品在线视频| 大码成人一级视频| 亚洲精华国产精华液的使用体验| 国产1区2区3区精品| 国产精品久久久久久人妻精品电影 | 亚洲成人免费av在线播放| 亚洲美女黄色视频免费看| 国产97色在线日韩免费| 中文字幕亚洲精品专区| 国产 一区精品| 久久久久久人人人人人| 日本一区二区免费在线视频| 如何舔出高潮| 日本一区二区免费在线视频| 精品国产超薄肉色丝袜足j| 亚洲一码二码三码区别大吗| 欧美 亚洲 国产 日韩一| 精品国产一区二区三区久久久樱花| 日日摸夜夜添夜夜爱| 亚洲在久久综合| 啦啦啦视频在线资源免费观看| 精品酒店卫生间| 好男人视频免费观看在线| 色网站视频免费| 不卡av一区二区三区| 国产免费福利视频在线观看| 99久久综合免费| 欧美激情极品国产一区二区三区| 亚洲国产精品一区三区| 人妻 亚洲 视频| 国产人伦9x9x在线观看| 午夜免费男女啪啪视频观看| 中国国产av一级| 老汉色av国产亚洲站长工具| 国产免费一区二区三区四区乱码| 免费高清在线观看视频在线观看| 在线观看人妻少妇| 精品少妇久久久久久888优播| 亚洲欧美一区二区三区黑人| 婷婷成人精品国产| 又粗又硬又长又爽又黄的视频| 亚洲国产日韩一区二区| 国产黄色视频一区二区在线观看| 国产成人91sexporn| 国产成人一区二区在线| 亚洲精品日本国产第一区| 日韩精品有码人妻一区| 1024香蕉在线观看| 不卡av一区二区三区| 久久精品久久久久久噜噜老黄| 国产精品国产av在线观看| 午夜福利影视在线免费观看| 久久99精品国语久久久| 国产色婷婷99| 国产免费视频播放在线视频| 汤姆久久久久久久影院中文字幕| 日日啪夜夜爽| 亚洲精品久久午夜乱码| 精品福利永久在线观看| 高清在线视频一区二区三区| 色视频在线一区二区三区| 久久99一区二区三区| 日韩制服丝袜自拍偷拍| 久久午夜综合久久蜜桃| 亚洲欧美一区二区三区黑人| 免费黄网站久久成人精品| 国产片内射在线| 精品免费久久久久久久清纯 | 欧美黑人精品巨大| 女人爽到高潮嗷嗷叫在线视频| 亚洲天堂av无毛| 赤兔流量卡办理| 欧美人与性动交α欧美软件| 69精品国产乱码久久久| 欧美黑人精品巨大| 国产在视频线精品| 中文字幕人妻熟女乱码| kizo精华| 久久久久网色| 久久久精品国产亚洲av高清涩受| 人人妻人人爽人人添夜夜欢视频| a 毛片基地| 日本vs欧美在线观看视频| 久久久久精品人妻al黑| 免费黄色在线免费观看| 精品午夜福利在线看| 成人免费观看视频高清| 啦啦啦啦在线视频资源|