基于DCGAN数据增强的水产动物分类方法

论文摘要

针对公开大规模水产动物数据集少、人为采集数据工作量大以及传统数据增强方法对数据的特征提升有限的问题,提出一种基于深度卷积生成对抗网络的数据增强方法用于水产动物图像识别。首先,使用深度卷积生成对抗网络(DCGAN)对样本数据进行增强,然后分别使用VGG16、InceptionV3、ResNet50这三个训练模型,以微调的方式,对样本进行训练、识别。结果显示,所提出的方法在水产动物数据集上,与非生成式的数据增强方法相比,在3种模型上分类的准确率可分别提高9.8%、2.7%、1.2%。试验证实,DCGAN可有效增强水产动物图像数据,提高深度神经网络模型对水产动物图像分类的准确率。

论文目录

• 1 相关数据增强方法
•   1.1 非生成式数据增强方法
•   1.2 深度卷积生成对抗网络
• 2 非生成式数据增强方法
•   2.1 试验环境与数据集
•   2.2 图像识别模型
•   2.3 样本增强效果
• 3 基于DCGAN的数据增强方法
•   3.1 数据预处理
•   3.2 参数配置
•   3.3 生成样本效果
• 4 结果与分析
• 5 结论

文章来源

类型: 期刊论文

作者: 王德兴,秦恩倩,袁红春

关键词: 深度卷积生成对抗网络,数据增强,水产动物分类

来源: 渔业现代化 2019年06期

年度: 2019

分类: 农业科技,信息科技

专业: 水产和渔业,计算机软件及计算机应用

单位: 上海海洋大学信息学院

基金: 国家自然科学基金资助项目(41776142),上海市科学技术委员会支撑项目(1439190400)

分类号: TP391.41;S951.2

页码: 68-75

总页数: 8

文件大小: 5178K

下载量: 298