基于ResNet50网络的十种鱼类图像分类识别研究

论文摘要

鱼类识别在渔业资源研究、鱼类知识科普、水产养殖加工、鱼类稀有物种保护等领域有着广泛的应用前景。为了准确对采集的图像进行分类识别,提出一种基于Keras深度学习框架的鱼类图像识别算法,以ResNet50为基础网络框架,使用混淆矩阵优化分类器对图像的自动分类模型。利用该模型对10种鱼类进行分类识别,结果显示正确识别率达到了93.33%。

论文目录

• 1 技术路线
•   1.1 ResNet结构图
•   1.2 ResNet50网络模型
•   1.3 softmax分类器和混淆矩阵
• 2 实验
•   2.1 实验平台
•   2.2 选用的数据集
•   2.3 实验结果分析
• 3 结语

文章来源

类型: 期刊论文

作者: 王文成,蒋慧,乔倩,祝捍皓,郑红

关键词: 深度学习,网络,混淆矩阵,框架,鱼类图像识别

来源: 农村经济与科技 2019年19期

年度: 2019

分类: 农业科技,基础科学,信息科技

专业: 生物学,计算机软件及计算机应用

单位: 浙江海洋大学船舶与机电工程学院,浙江海洋大学海洋科学与技术学院

基金: 国家重点研发计划,海岛及滨海湿地鸟类在线监测传感器研制（2017YFC1403504）,舟山市科技计划项目,一种面向渔业资源信息化建设的新型近洋鱼探仪的研发（2017C41003）

分类号: TP391.41;Q958.8

页码: 60-62

总页数: 3

文件大小: 1958K

下载量: 696