您好,欢迎访问中国水产科学研究院 机构知识库!

基于多阶段特征提取的鱼类识别研究

文献类型: 中文期刊

作者: 吕俊霖 1 ; 陈作志 1 ; 李碧龙 2 ; 蔡润基 2 ; 高月芳 2 ;

作者机构: 1.中国水产科学研究院南海水产研究所

2.华南农业大学

关键词: 鱼类识别;特征提取网络模型;标签平滑;长尾识别

期刊名称: 南方水产科学

ISSN:

年卷期: 2024 年 001 期

页码: 99-109

收录情况: 北大核心 ; CSCD

摘要: 鱼类自动识别在海洋生态学、水产养殖等领域应用广泛。受光照变化、目标相似、遮挡及类别分布不均衡等因素影响,鱼类精准自动识别极具挑战性。提出了一种基于多阶段特征提取网络(Multi-stage Feature Extraction Network, MFNet)模型进行鱼类识别。该模型首先对图片作弱增强预处理,以提高模型的计算效率;然后采用多阶段卷积特征提取策略,提升模型对鱼类细粒度特征的提取能力;最后通过标签平滑损失计算以缓解数据的不平衡性。为验证模型的性能,构建了一个500类、含32 768张图片的鱼类数据集,所建模型在该数据集上的准确率达到86.8%,优于现有的主流目标识别方法。利用公开的蝴蝶数据集对该模型进行泛化性能验证,多组消融实验进一步验证了所提算法的有效性。

  • 相关文献

[1]基于线性调频(LFM)信号的单体鱼类目标回波识别与性能分析. 汤涛林,吴陈波,李国栋,刘晃. 2021

[2]基于ResNet的典型养殖鱼类识别方法研究. 涂雪滢,刘世晶,钱程. 2022

[3]基于机器视觉技术的鱼类识别研究进展. 杨东海,张胜茂,汤先峰. 2019

[4]鱼类识别程序在教学、科普和科研中的应用. 吕俊霖,王欢欢,巩秀玉. 2021

作者其他论文 更多>>