基于深度卷积神经网络与迁移学习的鱼类分类识别.pdf

上传者: 44305638 | 上传时间: 2022-05-17 13:16:51 | 文件大小: 2.39MB | 文件类型: PDF
高效的鱼类分类识别是海洋牧场智能化监测的基础 . 传统的通过浅层模型,利用目标特征 的分类识别方法效率低下,泛化性差,难以实现智能化应用;而重建并训练深度卷积神经网络(DCNN) 模型占用巨大的计算机资源 . 文章提出一种基于 DCNN 和迁移学习的方法,针对新图像数据集,通过选 择训练参数,对预训练模型进行再训练,实现鱼类的分类识别 . 通过实验证实,这种方法可在占用少量 的计算机资源情况下,达到 97.14% 的验证准确率 . 使用基于 DCNN 与参数迁移的学习策略可以得到性 能良好的深度神经网络鱼类分类识别模型 .

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明