基于R-FCN模型的深海生物识别技术

• 作者: 于占超 徐振飞 臧日高 臧晓韩 高铭琨
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 目标检测 深度学习 TensorFlow 全卷积神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 158-161
• 页数: 4页
• 分类号: TP311
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903194

摘要

针对深海生物识别问题采用基于区域的全卷积网络(R-FCN)模型对海洋生物进行识别,以实现潜水器水下视频信息识别的目的.为了提升模型的训练速度,对潜水器的视频数据进行裁剪和转换,利用数据筛选去除噪声图像来提高模型的准确性,最后采用模型的预学习来提高模型的训练质量.该技术在TensorFlow框架上使用基于R-FCN的识别模型对海参、海胆等深海生物进行识别,平均检测准确率在98％以上,达到了预期的识别效果.