科研之友
微信
新浪微博
Facebook
分享链接
摘要
水下目标精准识别对指导养殖生产、辅助养殖决策具有十分重要的作用，而目标识别精度和运行效率是影响识别技术深入应用的关键问题。针对鱼类识别产业应用需求，以ResNet(Residual Neural Network)框架为核心，通过比较分析不同框架结构对鱼类识别精度和效果的影响，确定适用于典型养殖鱼类识别的ResNet网络结构形式。首先，采用多相机同步采样方式，获取不同姿态鱼类图像，满足高柔性、多姿态的运动目标样本集构建需要；其次，为了提升样本对不同背景的适应能力，选取具有不同背景的目标鱼类图像，丰富图像样本集；然后，以典型的ResNet18、ResNet34、ResNet50框架结构为比较模型，分析不同结构在识别效率和识别精度方面的整体效果。结果显示，ResNet50识别精度最高，达到95.47%,ResNet34次之，达到95.03%,但ResNet50识别效率比ResNet34降低20.43%,综合考虑识别精度和识别效率，ResNet34更加适用于大样本量鱼类图像的识别分类。
- 单位
