谢娟英 鲁银圆 孔维轩 许升全

1(陕西师范大学计算机科学学院 西安 710119) 2(陕西师范大学生命科学学院 西安 710119)

蝴蝶是节肢动物门、昆虫纲、鳞翅目、锤角亚目动物的统称[1]，在全世界有广泛分布，约有18 000种[2].蝴蝶对环境敏感，有些蝴蝶幼虫以植物为食，危害经济作物，借助蝴蝶分布可研究区域生态环境保护和生物多样性[3].本文借助2018年第3届中国数据挖掘竞赛——国际首次蝴蝶识别大赛[4]公开的蝴蝶图像数据集[5]，通过改进经典RetinaNet[6]，实现自然环境中蝴蝶种类识别.

快速发现野外环境中蝴蝶位置，实现蝴蝶分类，已经引起计算机视觉领域研究者的关注.然而，现有蝴蝶分类研究主要基于蝴蝶标本照片.2011年，Wang等人[7]借助1 333张蝴蝶标本照，采用基于内容的图像检索技术，通过不同特征提取方法和特征权重设置，使用不同的相似性匹配算法进行消融实验，验证了蝴蝶形状特征对分类更重要.2012年，Kang等人[8]使用包含7个种类的268张蝴蝶标本照，设计特征提取器，提取图像中的分支长度相似性特征，设计3层神经网络进行蝴蝶分类，得到85.6%的准确率.2014年，Kaya等人[9]基于包含14种蝴蝶的140张蝴蝶标本照数据，通过设计特征提取器，将颜色和纹理特征融合，使用3层神经网络分类，得到92.85%的准确率.Kaya等人[10]还分别使用灰度共生矩阵和局部二值模式，采用极限学习机对包含19种蝴蝶的190张标本照进行分类，分别得到98.25%和96.45%的准确率.2014年，Kang等人[11]通过提取不同视角下的图像分支长度相似性特征，利用3层神经网络……