作者：陈文辉; 蔡妹姝; 严松; 张宏; 徐琳; 林茂...鱼类分类深度卷积神经网络迁移学习
摘要：高效的鱼类分类识别是海洋牧场智能化监测的基础.传统的通过浅层模型,利用目标特征的分类识别方法效率低下,泛化性差,难以实现智能化应用;而重建并训练深度卷积神经网络(DCNN)模型占用巨大的计算机资源.文章提出一种基于DCNN和迁移学习的方法,针对新图像数据集,通过选择训练参数,对预训练模型进行再训练,实现鱼类的分类识别.通过实验证实,这种方法可在占用少量的计算机资源情况下,达到97.14%的验证准确率.使用基于DCNN与参数迁移的学习策略可以得到性能良好的深度神经网络鱼类分类识别模型.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《福建师大福清分校学报》（双月刊）创刊于1981年，由福建省教育厅主管，福建师大福清分校主办，CN刊号为：35-1225/G4，自创刊以来，颇受业界和广大读者的关注和好评。 《福建师大福清分校学报》95年荣获福建省高等学校自然科学版系统优秀学报评比二等奖、95年荣获全国高等学校自然科学版系统优秀学报评比三等奖、99年荣获福建省优秀学报评比二等奖、2003年荣获首届《CAJ-CD规范》执行优秀期刊奖。 《福建师大福清分校学报》现已更名为《福建技术师范学院学报》。
杂志详情
