关注我们，为您推送更多最新研究。
文章导读
图1. 系统结构图。
研究过程与结果
野生动物信息采集对于动物监测和生态环境保护具有重要意义，传统的信息采集主要以无线传感器 络 (Wireless Sensor Network, WSN) 技术为主要手段，研究人员的焦点集中在传感器部署位置或传感器发送、接受功率的优化，以便于更可能多的获得有用信息。但是野外环境具有复杂性的特点，传统的非智能方法不能很好地应对，而目标检测 络正是一种任务专一的智能型数据采集结构。然而，目标检测 络如基于Two-Stage的Fast RCNN、或One-Stage的YOLO系列算法都有海量的参数和较大的内存占用，这使得已有的目标检测 络无法很好地适用于野生动物信息采集所利用的分布式部署的嵌入式设备中。
图2. 标准卷积。
图3. 深度可分离卷积。
如图4所示，相比于 (a)、(b)、(c) 的特征图金字塔 络，(d) 通过对高维信息复用和融合旁路特征图，保留了低层和高层的特征信息，使得野外复杂场景下在严重遮挡和前后景相似的极端场景下依然有较好的检测精度。实验结果如图5所示。
图4. FPN结构。
图5. 实验结果图。
研究总结
文章链接：https://www.mdpi.com/1248736
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！