基于ResNet和随机森林的海洋鱼类分类方法

作者：黄天星; 臧兆祥; 陈露露; 李昭

来源：工业控制计算机, 2023, 36(10): 78-80+83.

DOI：10.3969/j.issn.1001-182X.2023.10.030

• 鱼类分类
• ResNet50
• 随机森林
• 迁移学习
• 模型微调

提出了一种基于卷积神经网络和随机森林相结合的方法，用于对海洋可食用鱼类进行识别分类。通过使用YOLOv3目标检测网络对原始鱼类图片进行目标定位并使用数据增强方法对数据集进行扩充，模型在自建数据集上进行训练和微调，达到了较高的分类准确率和稳定性。实验结果表明该模型在鱼类分类任务上的有效性，并为解决传统方法对鱼类分类的困难提供了一种新思路。

• 单位
  三峡大学; 南方海洋科学与工程广东省实验室（湛江）