基于深度学习的鱼类分类算法研究

• 作者: 朱敏 顾郑平
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 迁移学习 支持向量机
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 200-205
• 页数: 6页
• 分类号: TP3
• 字数: 4070字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.01.035

摘要

回顾近年来国内外对鱼类分类的研究进展,指出传统方法存在的缺陷.深度学习是目前图像分类的主流方法.研究基于卷积神经网络CNN(Convolutional Neural Network)的鱼类分类模型,并以该模型为基础,进一步提出利用迁移学习,以预训练网络的特征结合SVM算法(PreCNN+SVM)的混合分类模型.实验以Fish4-Knowledge(F4 K)作为数据集,使用TensorFlow训练网络模型.实验结果表明,利用PreCNN+ SVM算法,取得了98.6％的准确率,较传统方法有显著提高.对于小规模数据集,有效解决了需要人工提取特征的不可迁移性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱敏	华东师范大学计算机科学与软件工程学院计算中心	63	770	12.0	27.0
2	顾郑平	华东师范大学计算机科学与软件工程学院计算中心	1	12	1.0	1.0