期刊导航
期刊开放获取
河南省图书馆
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
2
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
内蒙古贺兰山国家级自然保护区荒漠沙蜥春秋季生境选择
被引量:
6
1
作者
谭孟雨
隋璐璐
+5 位作者
张尚明玉
刘振生
高惠
滕丽微
张明睿
颜文斌
《生态学报》
CAS
CSCD
北大核心
2019年第18期6889-6897,共9页
为更好的了解及保护荒漠沙蜥(Phrynocephalusprzewalskii)资源,于2017年5 6月和9 10月,在内蒙古贺兰山国家级自然保护区采用样线调查法对其春、秋 2 季的生境选择进行研究。春季测定了 92 个荒漠沙蜥生境利用样方和 64 个对照样方、秋...
为更好的了解及保护荒漠沙蜥(Phrynocephalusprzewalskii)资源,于2017年5 6月和9 10月,在内蒙古贺兰山国家级自然保护区采用样线调查法对其春、秋 2 季的生境选择进行研究。春季测定了 92 个荒漠沙蜥生境利用样方和 64 个对照样方、秋季测定了 71 个荒漠沙蜥生境利用样方和 76 个对照样方的共 13 种生态因子。利用拟合优度卡方检验、Vanderploeg & Scavia′s选择指数、 Mann-White U 检验和逐步判别分析确定影响其春秋季生境选择的关键因子。结果表明,荒漠沙蜥的生境选择存在季节性差异。春季一般选择食物丰富度高,隐蔽性好,光照强,地表温度高、湿度低的生境,既保证安全因素又利于达到最适体温,满足繁殖需求;秋季偏好选择土壤质地疏松,食物丰富度高和中的草甸地区,便于隐蔽及累积食物,以满足其躲避天敌、储存越冬能量的需要。
展开更多
关键词
荒漠沙蜥
生境选择
春季
秋季
内蒙古贺兰山国家级自然保护区
下载PDF
职称材料
基于深度学习的红外相机动物影像人工智能识别:以东北虎豹国家公园为例
被引量:
19
2
作者
宫一男
谭孟雨
+6 位作者
王震
赵国静
蒋沛林
蒋仕铭
张鼎基
葛剑平
冯利民
《兽类学报》
CAS
CSCD
北大核心
2019年第4期458-465,共8页
为解决大量红外相机监测影像数据量庞大、亟待快速和自动识别的问题,本研究以东北虎豹国家公园为例,应用卷积神经网络,通过深度学习算法对红外相机影像实现物种自动识别。本研究选择8个物种的红外相机视频影像,以50帧率均匀采集成图片格...
为解决大量红外相机监测影像数据量庞大、亟待快速和自动识别的问题,本研究以东北虎豹国家公园为例,应用卷积神经网络,通过深度学习算法对红外相机影像实现物种自动识别。本研究选择8个物种的红外相机视频影像,以50帧率均匀采集成图片格式,每个物种筛选不同角度、不同环境条件的图片,建立图片数据集,包括训练集2 074张,测试集519张。对图片进行目标打框、类别标注,选用darknet框架下的YOLO v3模型进行训练。首先不区分昼(RGB)夜(灰度)图像进行训练,再区分昼夜进行训练,最后分别对昼夜图像利用微调(fine-tune)进行训练。研究初步结果显示,基于YOLO v3模型对自然条件下拍摄的红外相机图像进行物种自动识别能够一定程度减轻人力负担,但其效果还需通过完善数据集进行提升。fine-tune在小数据集时或可作为辅助。模型对8个物种识别的平均精确率达到84.9%~96.0%,且模型收敛。
展开更多
关键词
深度学习
卷积神经网络
微调
自动识别
野生动物
下载PDF
职称材料
题名
内蒙古贺兰山国家级自然保护区荒漠沙蜥春秋季生境选择
被引量:
6
1
作者
谭孟雨
隋璐璐
张尚明玉
刘振生
高惠
滕丽微
张明睿
颜文斌
机构
东北林业大学野生动物资源学院
国家林业局野生动物保护学重点开放实验室
出处
《生态学报》
CAS
CSCD
北大核心
2019年第18期6889-6897,共9页
基金
中央高校基本科研业务费资助项目(2572014CA03)
东北林业大学大学生创新训练项目(201710225176)
国家自然科学基金项目(31372221)
文摘
为更好的了解及保护荒漠沙蜥(Phrynocephalusprzewalskii)资源,于2017年5 6月和9 10月,在内蒙古贺兰山国家级自然保护区采用样线调查法对其春、秋 2 季的生境选择进行研究。春季测定了 92 个荒漠沙蜥生境利用样方和 64 个对照样方、秋季测定了 71 个荒漠沙蜥生境利用样方和 76 个对照样方的共 13 种生态因子。利用拟合优度卡方检验、Vanderploeg & Scavia′s选择指数、 Mann-White U 检验和逐步判别分析确定影响其春秋季生境选择的关键因子。结果表明,荒漠沙蜥的生境选择存在季节性差异。春季一般选择食物丰富度高,隐蔽性好,光照强,地表温度高、湿度低的生境,既保证安全因素又利于达到最适体温,满足繁殖需求;秋季偏好选择土壤质地疏松,食物丰富度高和中的草甸地区,便于隐蔽及累积食物,以满足其躲避天敌、储存越冬能量的需要。
关键词
荒漠沙蜥
生境选择
春季
秋季
内蒙古贺兰山国家级自然保护区
Keywords
Desert lizard (Phrynocephalus przewalskii)
Habitat selection
Spring
Autumn
Inner Mongolia Helan Mountain National Nature Reserve
分类号
Q958 [生物学—动物学]
下载PDF
职称材料
题名
基于深度学习的红外相机动物影像人工智能识别:以东北虎豹国家公园为例
被引量:
19
2
作者
宫一男
谭孟雨
王震
赵国静
蒋沛林
蒋仕铭
张鼎基
葛剑平
冯利民
机构
东北虎豹生物多样性国家野外科学观测研究站
天津通信广播集团有限公司
出处
《兽类学报》
CAS
CSCD
北大核心
2019年第4期458-465,共8页
基金
国家自然科学基金资助项目(31270537,31270567,31200410,31210103911,31470566)
科技部基础性工作专项基金资助项目(2012FY112000)
唐仲英基金会(2016)
文摘
为解决大量红外相机监测影像数据量庞大、亟待快速和自动识别的问题,本研究以东北虎豹国家公园为例,应用卷积神经网络,通过深度学习算法对红外相机影像实现物种自动识别。本研究选择8个物种的红外相机视频影像,以50帧率均匀采集成图片格式,每个物种筛选不同角度、不同环境条件的图片,建立图片数据集,包括训练集2 074张,测试集519张。对图片进行目标打框、类别标注,选用darknet框架下的YOLO v3模型进行训练。首先不区分昼(RGB)夜(灰度)图像进行训练,再区分昼夜进行训练,最后分别对昼夜图像利用微调(fine-tune)进行训练。研究初步结果显示,基于YOLO v3模型对自然条件下拍摄的红外相机图像进行物种自动识别能够一定程度减轻人力负担,但其效果还需通过完善数据集进行提升。fine-tune在小数据集时或可作为辅助。模型对8个物种识别的平均精确率达到84.9%~96.0%,且模型收敛。
关键词
深度学习
卷积神经网络
微调
自动识别
野生动物
Keywords
Deep learning
Convolutional Neural Network(CNN)
Fine-tune
Automatic identification
Wild animals
分类号
Q145.1 [生物学—生态学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
内蒙古贺兰山国家级自然保护区荒漠沙蜥春秋季生境选择
谭孟雨
隋璐璐
张尚明玉
刘振生
高惠
滕丽微
张明睿
颜文斌
《生态学报》
CAS
CSCD
北大核心
2019
6
下载PDF
职称材料
2
基于深度学习的红外相机动物影像人工智能识别:以东北虎豹国家公园为例
宫一男
谭孟雨
王震
赵国静
蒋沛林
蒋仕铭
张鼎基
葛剑平
冯利民
《兽类学报》
CAS
CSCD
北大核心
2019
19
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