基于迁移学习的鱼类识别方法研究

来源：计算机技术与发展杂志2021年第04期北京时间：

作者：袁小平;石慧

摘要：近些年水下图像资源已经引起海洋生态学家对鱼类种群研究的关注,鱼品种的识别既是海洋鱼类资源探测的第一步,也是有效开发利用海洋资源的重要基础, 而自动化的鱼品种的分类识别也将提高在该领域的研究效率。 利用迁移学习的强大能力和巨大优势,不需要手动计算图像特征,神经网络使用原始图像作为输入,将其运用到鱼类图像的识别方面。 该文提出了一种基于 AlexNet 预训练模型和迁移学习技术的鱼类识别方法,使用预训练的 AlexNet 网络从鱼类数据集的前景图像中提取特征,对网络模型进行微调,最后利用线性支持向量机分类器完成分类。 通过研究卷积神经网络的架构,激活函数和数据增强对识别结果的影响,经过大量对比实验验证了所提出的网络模型的有效性,提高了鱼类识别的准确率。

关键词：鱼类识别;迁移学习;AlexNet;卷积神经网络;支持向量机;微调