基于迁移学习与卷积神经网络的鱼濒死预警系统研究

摘要：

针对濒死鱼难以实时、高精度检测的问题,提出一种基于迁移学习与卷积神经网络的濒死鱼预警系统.通过迁移学习方法优化卷积神经网络的初始权重,使模型在训练初期即具有一定的泛化能力,优化前网络总体误差为1.75,优化后为0.75.为进一步提升模型性能,使用两组卷积神经网络作为特征提取器进行对比,结果显示,ZFnet网络(AP=0.902)略好于VGGnet网络(0.898),两者均显著优于常见的HOG+SVM算法(AP=0.259).

关键词：濒死鱼监测、Faster-RCNN、深度神经网络、深度学习

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：江苏省农业重大新品种创制项目PZCZ201742;江苏省研究生科研与实践创新计划项目SJCX18_0364;江苏省重点研发计划现代农业重点项目BE2017377

在线出版日期：2019-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：186-192