基于深度学习的蛇类图像分类问题研究

• 作 者: 付永钦
• 出 处: 浙江大学
• 发表日期: 2019年08期
• 关键词: 蛇类图像分类 深度学习 卷积神经网络 蛇类图像数据集 安卓操作系统

蛇是一种常见的爬行动物,可以划分为无毒蛇和毒蛇。毒蛇伤人事件时有发生。患者被毒蛇咬伤后需要根据其种类选择对应的抗蛇毒血清进行治疗。在我国,很多种类的蛇属于保护动物。一些蛇类在医药等领域具有一定的经济价值。近年来,深度学习技术的发展十分迅猛。卷积神经网络和胶囊神经网络等深度学习技术在计算机视觉和自然语言处理等领域得到了广泛的应用。目前,国内外针对蛇类图像分类问题进行的研究工作寥寥无几。不同种类的蛇在颜色、斑纹、形状或姿态等方面的差异,为对蛇类图像进行分类提供了可能性。一个很自然的想法是将深度学习技术应用到蛇类图像分类问题中。但是,该问题的一个难点在于目前缺乏公开的足够大的蛇类图像数据集,尤其是中国常见蛇类图像数据集。基于这些背景,本文通过采集和收集数据,建立了包含银环蛇、竹叶青蛇、舟山眼镜蛇、尖吻蝮、王锦蛇、黄金蟒、玉斑丽蛇、红尾蚺、红脖颈槽蛇和钩盲蛇等10种中国常见蛇类共计10336幅图像的CHINESESNAKES蛇类图像数据集。并且本文对蛇类图像分类问题的可行性与难点进行了分析。基于CHINESESNAKES蛇类图像数据集,本文使用卷积神经网络这一深度学习技术,对蛇类图像分类问题进行了研究。本文针对蛇类图像分类问题,设计了 BRC卷积神经网络结构,其在CHINESESNAKES蛇类图像数据集上的分类准确率达到了 89.061%。最后,本文设计并实现了一个基于安卓操作系统的蛇类图像识别系统。