10.6041/j.issn.1000-1298.2022.02.030
基于残差网络和小样本学习的鱼图像识别
针对鱼种类多、数据采集难度大,且需要细粒度图像识别等问题,提出了一种基于度量学习的小样本学习方法.采用基于度量学习的小样本学习网络以及ResNet18的残差块结构,提取鱼图像的深层次特征,并将其映射至嵌入空间进而在嵌入空间判断鱼的种类.为了进一步提升识别准确率,利用小样本学习模型在mini-ImageNet数据集进行预训练,然后将训练的结果迁移到Fish100细粒度数据集上进行精细化训练,得到最终鱼图像识别的判别模型.使用本文模型与常用的5种小样本学习模型,在鱼图像数据集Fish100和ImageNet上进行对比试验,结果表明本文模型的识别效果最佳,在两个数据集上的识别精度分别达到了94.77％和91.03％,且精度、召回率和F1值均明显优于其它模型.
鱼;图像识别;残差网络;小样本学习;迁移学习
53
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;江苏省农业科技自主创新资金项目
2022-03-18（万方平台首次上网日期，不代表论文的发表时间）
共9页
282-290
