基于迁移学习的多区域树种识别与分布预测模型

本申请涉及数据挖掘技术领域，具体涉及基于迁移学习的多区域树种识别与分布预测模型，该模型包括：采集多区域内不同树种的图像及其图像对应的地理位置，组成目标域数据集；将公开数据集中标注后的植物界的图像及其对应的地理位置，组成源域数据集；对神经网络模型进行预训练，获取源域模型；对图像进行特征提取，将特征向量映射到双曲空间中，组成目标域特征集、源域特征集；计算目标域特征集内每个特征向量的适应度、对应修正后的变异算子以及对应优化后的特征向量，对源域模型进行微调，利用微调后的源域模型对目标域数据集内图像进行树种识别与分布预测。本申请能够提高迁移学习的效果，提高模型对树种识别和分布预测的准确性。