Browsing by Author "林旭政"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    以深度學習為基礎之野生動物辨識系統
    (2021) 林旭政; LIN, Hsu-Cheng
    近年來人們對於動物保育的意識抬頭，越來越多人加入保護野生動物的行列，對於野生動物生態系統進行觀察可以為人們提供保育的方針。目前主要觀察的方法是使用陷阱相機，因為其能夠長時間運行且不對野生動物造成影響。但由於陷阱相機擷取影像數量太過龐大，分析影像變成耗費大量的時間與勞力的枯燥工作。故本研究擬開發一套以深度學習為基礎之野生動物辨識系統，能夠自動辨識與計算影像中動物種類與數量，以期達到輔助分析之結果。野生動物辨識系統使用陷阱相機所攝影像來進行動物物種辨識，透過物件偵測類神經網路模型來辨識影像中野生動物的種類以及數量。本研究使用RefineDet物件偵測模型的改良版來進行動物物種辨識，將野生動物影像輸入本系統後，經由物件偵測類神經網路模型進行動物物種辨識以及數量統計。在改良RefineDet原型架構方面，本研究引入彈性非極值抑制演算法、受納域模塊等改良來提升RefineDet模型對野生動物的辨識能力；另外加入批量正規化技術來加速模型的訓練過程，提升RefineDet的整體效能。本研究使用賽倫蓋蒂陷阱相機資料集(Snapshot Serengeti dataset)[2]所蒐集的影像進行訓練及測試，辨識的野生動物種類共有11種，分別是水牛(Buffalo)、非洲象(African Elephant)、葛氏瞪羚(Grant's Gazelle)、湯氏瞪羚(Thomson's Gazelle)、長頸鹿(Giraffe)、黑斑羚(Impala)、灰頸鷺鴇(Kori Bustard)、獅(Lion)、牛羚(Wildebeest)、斑馬(Zebra)等。實驗結果為本野生動物辨識系統VOC mAP為83.29%，顯示出本研究所提出之野生動物辨識系統確實能夠準確偵測出影像中野生動物物種及數量。