基于深度学习网络模型EyeBirds的洪泽湖水鸟识别任务书

1. 毕业设计（论文）的内容和要求

构建洪泽湖地区主要水鸟图像数据库和不同细粒度图像标识数据库，建成基于深度学习网络模型的水鸟识别模型，明确最优的图像标识数量和优模型参数，实现洪泽湖地区水鸟的精准识别。

2. 实验内容和要求

（1）洪泽湖主要水鸟图像数据库建设

基于洪泽湖鸟类目录，编写网络图像爬虫抓取主要鸟类图像；通过人工鸟类图像分拣，构建研究区主要鸟类图像分类数据库；按鸟类外形轮廓和外形部位（头、胸、腹、尾、脚）两种细粒度图像标识方法，构建2类鸟类图像标识数据库。

（2）鸟类智能识别模型参数优化

3. 参考文献

[1].andreia m, jacques f, alessandro l k. bird species classification based on color features. ieee international conference on systems, man, and cybernetics, 2013, 4336-4341. doi:10.1109/smc.2013.740

[2].bengio y, courville a, vincent p. representation learning: a review and new perspectives. ieee transactions on pattern analysis and machine intelligence, 2013, 35(8):1798–1828.

[3].deng l, yu d. deep learning: methods and applications. foundations and trends in signal processing, 2014, 7(3–4): 197–387.

4. 毕业设计（论文）计划

（1）2022年10月—2022年12月：完成洪泽湖地区主要鸟类名录和信息收集、鸟类图像数据的抓取、人工图像分拣；

（3）2022年1月—2022年2月：完成鸟类图像训练样本数据的细粒度标识、完成鸟类识别模型参数优化和性能调试；

（5）2022年3月—2022年4月：完成毕业论文撰写。