基于深度学习的鱼类分类算法研究.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
35 1 Vol. 35 No. 1 第 卷第 期 计算机应用与软件 2018 1 Computer Applications and Software Jan. 20 18 年 月 基于深度学习的鱼类分类算法研究 顾郑平 朱 敏* ( 海 200062 ) 华东师范大学计算机科学与软件工程学院计算中心 上 摘 要 回顾近年 , 。 来国内外对鱼类分类的研究进展 指出传统方法存在的缺陷 深度学习是目前图像分类的 。 CNN (Convolutional Neural Network) , , 主流方法 研究基于卷积神经网络 的鱼类分类模型 并以该模型为基础 进一 , SVM (PreCNN + SVM ) 。 Fish4- 步提出利用迁移学习 以预训练网络的特征结合 算法 的混合分类模型 实验以 Knowledge (F4K) , TensorFlow 。 , PreCNN + SVM , 作为数据集 使用 训练网络模型 实验结果表明 利用 算法 取得了 98. 6% , 。 , 。 的准确率 较传统方法有显著提高 对于小规模数据集 有效解决了需要人工提取特征的不可迁移性 关键词 深度学习 卷积神经网络 迁移学习 支持向量机 中图分类号 TP3 文献标识码 A DOI :10. 3969 / j. issn. 1000-386x. 2018. 01. 035 FISH CLASSIFICATION ALGORITHM BASED ON DEPTH LEARNING * Gu Zhengping Zhu Min (Computer Center ,School of Computer Science and Software Engineering ,East China Normal University ,Shanghai 200062 ,China) Abstract Reviewing the research progress of fish classification at home and abroad in recent years ,the shortcomings of the traditional methods are pointed out. Deep learning is the mainstream method of

文档评论(0)

sunache + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档