近期，j9九游會官網陳志泊教授課題組在動物研究領域期刊《Animals》（二區，IF=3.231）發表了題為“A Fine-Grained Bird Classification Method Based on Attention and Decoupled Knowledge Distillation”的學術論文，第一作者為碩士研究生王康，通訊作者為陳志泊教授，北京林業大學為第一完成單位。

    在鳥類物種智能識別任務中，利用鳥類圖像的視覺特征辨別鳥的種類是一個熱門的研究方向。然而，基于圖像的鳥類物種分類屬于細粒度圖像分類任務，不同類別之間的相似度非常高，同一類別內部的差異又很大，導致了高類內方差和低類間方差的問題，因此鳥類物種分類是一個具有挑戰性的任務。此外，深度卷積模型的復雜性和計算量也是限制鳥類細粒度圖像分類模型應用的因素。如何解決鳥類細粒度圖像分類的問題，提高分類的準確性和效率，是當前鳥類物種識別領域的熱門研究方向。

    針對上述問題，論文提出了一種基于注意力機制的鳥類細粒度分類方法（圖1）。首先利用注意力機制定位鳥類辨別性部位，提取鳥類部位的細粒度特征，緩解不同鳥類之間高類內方差和低類間方差的影響；其次，設計基于解耦知識提取的模型壓縮機制（圖2），通過分別提取目標類和非目標類知識，消除了目標類預測結果對非目標類知識遷移的干擾，實現了模型的高效壓縮。該方法實現了鳥類細粒度分類模型減少67%的參數量和僅需1.2G的計算量，有效保證了高正確率，提高了模型推理速度。

                                     圖1 本文提出的鳥類細粒度識別模型結構示意圖

                               圖2 本文提出的基于解耦知識蒸餾的鳥類細粒度分類模型壓縮方法

    本文提出的鳥類圖像智能識別方法，可以通過移動設備或探測站點設備開展鳥類的自動化監測，從而實現有效的鳥類監測，并從一定程度上降低了監測成本，具有重要的研究價值和應用前景。近年來，j9九游會官網陳志泊教授團隊堅持以人工智能等新一代信息技術為核心，聚焦生物多樣性監測、森林病蟲害智能識別、智慧林草等領域的交叉融合研究，在人工智能及其林業應用研究領域取得了一系列重要進展，為推動人工智能技術在林業應用中的廣泛應用做出了積極的貢獻。

    該研究受到國家林業和草原局委托項目“智慧園林建設規范（2019130004-129）”、“林草科技推廣APP信息服務（2021133108）”以及中央高校基本科研業務費專項資金（BLX202004）的資助。

    論文鏈接：https://www.mdpi.com/2076-2615/13/2/264

                                                                     撰稿人：楊鋒、王康、徐智穎

                                                                     審稿人：陳志泊、許福