基于卷积神经网络的淡水鱼分类识别

• 作者: 杨春兰 薛大为
• 来源期刊: 西南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 淡水鱼 分类识别 卷积神经网络 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 计算机与电子信息科学
• 页码范围: 611-618
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11920/xnmdzk.2020.06.009

摘要

针对淡水鱼传统分类方法人工提取特征复杂、通用性差以及精确度不高等问题,基于深度学习技术,采用卷积运算对输入的淡水鱼数据集图片逐层进行学习,提取淡水鱼的颜色、纹理及形状等特征信息,实现淡水鱼快速准确的分类识别.系统在VGG16网络模型基础上,通过添加批量归一化层,优化网络的激活函数,采用交叉熵损失函数,使用原数据集上训练的模型权重参数值,构建了改进的VGG16网络淡水鱼识别模型,对输入的5种不同淡水鱼种类数据集进行种类识别.并与AlexNet、VGGNet16以及ResNet50等网络进行比较实验,实验训练结果表明,模型训练集测试的准确率为99.18％,测试集上测试的准确率为95.87％,改进的VGG16网络加速了模型的收敛,提高了网络模型的泛化性能,能够实现淡水鱼种类的分类识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛大为		39	90	5.0	7.0
2	杨春兰		36	70	5.0	6.0