当前位置: 首页 > 文章 > 基于多阶段特征提取的鱼类识别研究 南方水产科学 2024 (1) 99-109
Position: Home > Articles > 基于多阶段特征提取的鱼类识别研究 South China Fisheries Science 2024 (1) 99-109

基于多阶段特征提取的鱼类识别研究

作  者:
吕俊霖;陈作志;李碧龙;蔡润基;高月芳
单  位:
华南农业大学;中国水产科学研究院南海水产研究所
关键词:
鱼类识别;特征提取网络模型;标签平滑;长尾识别
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。

相似文章

计量
文章访问数: 6
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊