基于AutoML的保护区物种识别

随着我国在生态保护上的投入加大,红外相机技术在我国各级自然保护区的应用发展迅猛,在如何充分挖掘照片的信息方面,物种识别显得尤为重要,是其他工作的前提.在图像识别方面,随着深度学习的爆发,给图像识别带来了革命性的提升,以卷积神经网络为代表的网络结构在准确率上几乎完胜传统方法.然而,由于网络结构对最终图像识别准确率的影响巨大,人们在实际应用中往往都是使用一些经典的网络结构,比如VGG16、VGG19、ResNet50等,从中选择一个适合自己的数据集的网络结构,同时对于不同的数据集,可能需要重新选择.因此,在保护区红外相机物种的识别中,本文提出了基于AutoML的自动构建网络结构技术,针对不同的保护区的数据集,自动构建合适的网络结构,避免人工选择,同时达到了与人工选择网络相当的准确率.