当前位置: 首页 > 文章 > 基于迁移学习的PSO-Shuffle Net鱼类识别方法 渔业现代化 2023 (2) 67-73
Position: Home > Articles > 基于迁移学习的PSO-Shuffle Net鱼类识别方法 Fishery Modernization 2023 (2) 67-73

基于迁移学习的PSO-Shuffle Net鱼类识别方法

作  者:
张溟晨;赵伦;施杰;林森;王海波;Md Shafiqul Islam
单  位:
云南农业大学机电工程学院;深圳职业技术学院智能制造技术研究院;瑞典布京理工大学机械工程学院
关键词:
鱼类识别;深度学习;卷积神经网络;粒子群优化
摘  要:
针对传统深度学习鱼类识别方法正确率较低、模型训练过程中参数不能够自适应确定的问题,提出了一种基于迁移学习(Transfer Learning, TL)的粒子群(Particle Swarm Optimization, PSO)改进ShuffleNet鱼类识别方法。以20种鱼类为对象,采用粒子群算法将模型的损失函数作为适应度函数,对批处理大小和学习率两个超参数进行优化,并利用迁移学习方式进行训练,构建了TL-PSO-ShuffleNet模型。结果显示:该方法与AlexNet、MobileNet、ShuffleNet模型相比,识别正确率分别提高了57.89%、30.43%、23.28%。本研究提出的鱼类识别方法具有正确率较高、参数设定具备自适应性等特点,为鱼类自动化识别研究提供了参考和借鉴。

相似文章

计量
文章访问数: 10
HTML全文浏览量: 0
PDF下载量: 1

所属期刊

推荐期刊