《基於Swin-Transformer的野生動物檢測》是姜福豪, 隋晨紅, 歐世峰, 王中訓, 胡國英, 楊國斌, 潘雲豪, 胡 健2021年發布的論文。
基本介紹
- 中文名：基於Swin-Transformer的野生動物檢測
- 外文名：Wild Animal Detection Based on Swin-Transformer
- 作者：姜福豪, 隋晨紅, 歐世峰, 王中訓, 胡國英, 楊國斌, 潘雲豪, 胡 健
- 關鍵字： 深度學習；目標檢測；野生動物
內容簡介,
內容簡介
野生動物檢測對於更好地開展野生動物保護、維持生物多樣性和生態系統平衡具有重要意義。隨著科技的進步，野生動物檢測已從傳統的人工尋覓、人眼識別發展到利用機器學習技術進行快速檢測的階段。然而，當前各種檢測模型存在檢測精度不高的問題。因此，本文將Swin-Transformer技術套用到野生動物目標檢測模型，並與其他的優秀的檢測模型進行性能比較。實驗結果表明與其他優秀的檢測器相比，Swin-Transformer檢測的平均檢測精度為0.958，領先於其他檢測模型至少5%，並且該檢測器對絕大多數動物的檢測均可取得最優結果，即使是對於樣本數量較少的稀有類別，檢測精度依然能夠達到91%，極大提高了野生動物檢測的準確率。
