基于对抗双线性的细粒度鱼类图像分类方法

• 作者: 刘建明 刘煌
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 鱼类分类 细粒度分类 生成对抗网络 双线性网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 316-320
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文

摘要

针对细粒度鱼类分类样本单一、数量稀少、类别不均衡以及水下样本图像分辨率低等问题,提出一种基于对抗双线性的细粒度鱼类图像分类方法.利用生成对抗网络生成一定数量的伪鱼类样本做数据扩增,以提升模型的泛化性;采用双线性网络捕获输入图像不同语义特征之间的关系,加强网络对图像判别性区域的响应,达到对鱼类图像更精准的识别效果.在Fish100数据集上的实验结果表明,该方法具有良好的性能,能够有效地实现细粒度鱼类分类.