文献类型： 中文期刊

作者： 庄鸿飞 ¹ ; 侯金 ² ; 王守强 ¹ ; 高宇 ¹ ; 张朝晖 ¹ ; 王宗灵 ¹ ; 赵林林 ¹ ; 何育欣 ³ ; 周庆杰 ⁴ ; 鹿志创 ⁵ ; 邢衍阔 ⁵ ; 杜光迅 ⁶ ;

作者机构： 1.自然资源部第一海洋研究所

2.北京师范大学生命科学学院

3.川北医学院

4.青岛极地海洋世界有限公司

5.辽宁省海洋水产科学研究院

6.自然资源部北海发展研究院

关键词： 斑海豹;个体识别;面部识别;深度学习;卷积神经网络

期刊名称： 生态学报

ISSN： 1000-0933

年卷期： 2025 年 45 卷 013 期

页码： 6586-6599

收录情况： 北大核心 ; CSCD

摘要： 针对渤黄海斑海豹种群传统监测方法中高成本、低效率个体识别难题,提出一种基于面部特征的斑海豹个体识别模型.该模型基于卷积神经网络架构,结合注意力机制和多尺度特征处理技术,提高了对面部关键特征的识别能力,并通过深度可分离卷积降低了参数量和计算需求.实验结果显示,融合SlimC2F、CBAM和SPPF模块可显著提高网络识别性能,本文方法(SlimC2F-CBAM+SPPF)取得最佳识别效果.在自建有背景数据集与Caltech-256公共数据集上,模型识别准确率达98.35%、80.70%,优于目前主流模型.在迁移学习策略的应用下,模型对不同背景的适应性增强,识别准确率提升至98.70%.此外,即使在较小数据集上,模型仍能保持较高的识别准确率.最后,可视化分析展示了模型主要关注眼睛和鼻子等关键部位,进一步验证了模型的有效性和可解释性,为实现斑海豹个体的高效监测提供了新的技术手段.