基于改进Res2Net模型的淡水鱼类图像分类研究

作者：赵正伟; 朱宏进; 杨根滕; 王金坤

来源：软件工程, 2022, 25(07): 28-32.

DOI：10.19644/j.cnki.issn2096-1472.2022.007.007

• 淡水鱼
• 图像识别
• 注意力机制

针对传统的淡水鱼类图像识别方法速度慢、需要人工提取特征等问题，提出一种基于改进Res2Net模型的淡水鱼类图像识别算法。提出的改进方案如下：首先使用CELU激活函数代替ReLu激活函数；接着将残差块与混合注意力网络相结合；最后使用三个3×3卷积核替代Res2Net模型中第一个卷积层的7×7卷积核，同时在下采样的残差连接中加入平均池化层。实验结果表明，改进的网络在淡水鱼类图像分类上达到了96.34%的准确率，比Res2Net的准确率高3.67%，具有更加优异的性能，可为淡水鱼类识别提供参考。

• 单位
  广西民族大学