基于多阶段迁移学习的鸟类物种分类
计算机视觉与模式识别
2018-10-12 v2 机器学习
摘要
鸟类物种分类因其在生物学与环境研究中的广阔应用前景，在计算机视觉领域受到越来越多的关注。由于判别区域定位与细粒度特征学习的困难，识别鸟类物种颇具挑战。本文中，我们引入了一种基于迁移学习并采用多阶段训练的方法。我们分别使用了预训练的 Mask-RCNN 与一个由 Inception Nets（InceptionV3 与 InceptionResNetV2）构成的集成模型，以从图像中分别获取鸟类的定位与物种。我们的最终模型在 CVIP 2018 挑战赛所提供的数据集上取得了 0.5567（即 55.67%）的 F1 分数。
引用
@article{arxiv.1810.04250,
title = {Bird Species Classification using Transfer Learning with Multistage Training},
author = {Sourya Dipta Das and Akash Kumar},
journal= {arXiv preprint arXiv:1810.04250},
year = {2018}
}