滨海湿地的鸟类监测计数方法:目标检测与密度估计

滨海湿地中鸟类是主要的生物之一。我们保护鸟群的同时也是保护湿地,对湿地中鸟群的监测是必不可少的方法之一。对影像资料中鸟类进行识别计数的现有方法对图像本身要求较高,如背景与目标易于区分,目标重叠度低等。而基于数据驱动的深度学习模型能有效学习目标特征,提高识别率。本文基于迁移学习理念,从目标检测和密度估计两个角度对湿地中鸟类进行统计计数,建立了滨海湿地鸟类图像数据集,其他鸟类图像作为补充,其中单张图像包含鸟类的数量1~900不等。同时得到在测试集中目标检测模型YOLOv4的平均计数误差为6.70,密度回归模型CAN的平均计数误差为15.11。