基于网络结构搜索的野生动物自动识别方法

摘要

野生动物自动识别是野生动物监测的重要手段。为解决现有识别方法高度依赖人工设计和专家经验，需要较高时间成本的问题，提出一种基于网络结构搜索的野生动物自动识别方法。首先，选择集单元堆叠的局部搜索模式、梯度优化的搜索策略以及权值共享的性能评估方法于一体的神经网络结构搜索算法，基于可微分搜索策略的野生动物识别模型自动生成机制，构建特征性搜索空间；随后，在可微分搜索策略基础上，为解决搜索后期模型性能坍塌以及搜索需要较高计算资源的问题，引入基于早停和部分通道采样的可微分搜索策略进一步提高模型搜索效率；最后，开展对比试验验证模型性能。结果表明：本研究方法生成的模型准确率在NACTI公共野生动物数据集上的平均准确率达到95.22%，均优于对比模型。与经典可微分网络结构搜索方法相比，平均准确率提升6.29个百分点，搜索耗时减少2.99 GPU/d。研究结果表明，本研究模型可以实现野生动物图像识别模型的自动化设计，能够进一步提高野生动物监测识别系统的自动化与智能化水平。

关键词

野生动物识别 / 网络结构搜索 / 可微分搜索策略 / 早停机制

基金资助

国家自然科学基金项目（32371874）; 中央财政林业科技推广示范项目（津[2021]JTG02号）