科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对淡水鱼传统分类方法人工提取特征复杂、通用性差以及精确度不高等问题,基于深度学习技术,采用卷积运算对输入的淡水鱼数据集图片逐层进行学习,提取淡水鱼的颜色、纹理及形状等特征信息,实现淡水鱼快速准确的分类识别.系统在VGG16网络模型基础上,通过添加批量归一化层,优化网络的激活函数,采用交叉熵损失函数,使用原数据集上训练的模型权重参数值,构建了改进的VGG16网络淡水鱼识别模型,对输入的5种不同淡水鱼种类数据集进行种类识别.并与AlexNet、VGGNet16以及ResNet50等网络进行比较实验,实验训练结果表明,模型训练集测试的准确率为99.18%,测试集上测试的准确率为95.87%,改进的VGG16网络加速了模型的收敛,提高了网络模型的泛化性能,能够实现淡水鱼种类的分类识别.
- 单位
