刘国辉1,2, 胡春鹤1,2*, 谢将剑1,2*
Guohui Liu1,2, Chunhe Hu1,2*, Jiangjian Xie1,2*
1 School of Technology, Beijing Forestry University, Beijing 100083, China
2 State Key Laboratory of Efficient Production of Forest Resources, Beijing 100083, China
摘要: 鸟群数量是评估生物多样性与种群动态的关键指标。基于摄像头的自动识别技术已成为野外候鸟监测的重要手段。然而, 从视频图像中实现精准计数仍面临三大挑战: 姿态多变与背景杂乱导致特征提取困难、远距成像引起目标尺度剧烈变化、密集重叠造成定位模糊与漏检。针对上述问题, 本文在聚焦逆距离变换(focal inverse distance transform, FIDT)定位图监督与HRNet (high-resolution network)高分辨率表征框架基础上, 构建面向密集鸟群计数任务的 DAHNet模型。该模型在HRNet主干中嵌入多尺度残差模块DC-basicblock增强特征表达; 在特征融合阶段引入融合通道注意力的联合金字塔上采样模块(JPU-SE)实现多尺度上下文信息自适应聚合; 构建由SmoothL1损失、I-SSIM损失和OT损失组成的复合损失函数, 协同提升FIDT定位图的生成质量。基于本文构建的密集鸟群图像数据集的实验结果表明, DAHNet的平均绝对误差(mean absolute error, MAE)和均方根误差(root mean square error, RMSE)分别为6.53和10.48, 相比HRNet + FIDT基线模型降低7.21和17.82, 并优于多种主流密度估计模型, 体现了DAHNet在本文数据集上的计数性能优势, 可为候鸟种群数量估计及相关生态监测提供技术支撑。