基于DCGAN数据增强的水产动物分类方法

• 作者: 王德兴 秦恩倩 袁红春
• 来源期刊: 渔业现代化
• 学科: 农学
• 关键词: 深度卷积生成对抗网络 数据增强 水产动物分类
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 水产养殖工程
• 页码范围: 68-75
• 页数: 8页
• 分类号: S917.4
• 字数: 4950字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9580.2019.06.011

摘要

针对公开大规模水产动物数据集少、人为采集数据工作量大以及传统数据增强方法对数据的特征提升有限的问题,提出一种基于深度卷积生成对抗网络的数据增强方法用于水产动物图像识别.首先,使用深度卷积生成对抗网络(DCGAN)对样本数据进行增强,然后分别使用VGG16、InceptionV3、ResNet50这三个训练模型,以微调的方式,对样本进行训练、识别.结果显示,所提出的方法在水产动物数据集上,与非生成式的数据增强方法相比,在3种模型上分类的准确率可分别提高9.8％、2.7％、1.2％.试验证实,DCGAN可有效增强水产动物图像数据,提高深度神经网络模型对水产动物图像分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁红春	上海海洋大学信息学院	42	100	6.0	8.0
2	王德兴	上海海洋大学信息学院	11	25	2.0	4.0
3	秦恩倩	上海海洋大学信息学院	1	0	0.0	0.0