基于迁移学习的鱼类识别方法研究

• 作者: 袁小平 石慧
• 来源期刊: 计算机技术与发展
• 关键词: 鱼类识别 迁移学习 AlexNet 卷积神经网络 支持向量机 微调
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图形与图像
• 页码范围: 52-56
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.04.009

摘要

近些年水下图像资源已经引起海洋生态学家对鱼类种群研究的关注,鱼品种的识别既是海洋鱼类资源探测的第一步,也是有效开发利用海洋资源的重要基础,而自动化的鱼品种的分类识别也将提高在该领域的研究效率.利用迁移学习的强大能力和巨大优势,不需要手动计算图像特征,神经网络使用原始图像作为输入,将其运用到鱼类图像的识别方面.该文提出了一种基于AlexNet预训练模型和迁移学习技术的鱼类识别方法,使用预训练的AlexNet网络从鱼类数据集的前景图像中提取特征,对网络模型进行微调,最后利用线性支持向量机分类器完成分类.通过研究卷积神经网络的架构,激活函数和数据增强对识别结果的影响,经过大量对比实验验证了所提出的网络模型的有效性,提高了鱼类识别的准确率.