基于深度学习的鱼类识别与检测的算法研究

• 作者: 乔倩 王文成 祝捍皓 蒋慧 郑红
• 来源期刊: 信息技术与网络安全
• 关键词: PyTorch框架 ResNet50网络 PyQt5可视化界面 DSOD目标检测器
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 57-61,66
• 页数: 6页
• 字数: 2697字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.08.011

摘要

鱼类分类识别在渔业资源研究、鱼类知识的科学推广、水产养殖加工、稀有物种保护等领域具有广泛的应用前景.针对大菱鲆、黄鳍鲷、金钱鱼、鲻鱼这四种鱼类,利用PyTorch框架为基础,通过ResNet50网络模型,用不同的算法对其进行分类识别,不断对模型进行优化,对四种鱼类训练学习,通过测试其准确率达到96％以上.同时用PyQt5开发了GUI可视化界面,通过界面图片的选择和预测功能按钮的操作,测试结果实际类别与预测类别一致,用DSOD框架做了水下目标实时跟踪检测,提高了对小目标的检测率,同时保持了模型的检测速度,检测结果达到期望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	祝捍皓	浙江海洋大学海洋科学与技术学院	13	23	3.0	4.0
2	郑红	浙江海洋大学海洋科学与技术学院	32	28	3.0	4.0
3	乔倩	浙江海洋大学船舶与机电工程学院	5	3	1.0	1.0
4	王文成	浙江海洋大学船舶与机电工程学院	2	3	1.0	1.0
5	蒋慧	浙江海洋大学船舶与机电工程学院	2	3	1.0	1.0