基于迁移学习与卷积神经网络的鱼濒死预警系统研究

来源：中国农机化学报杂志2019年第2期北京时间：

作者：谢万里;李宏志;周辉;尹绍武;

单位：南京师范大学海洋科学与工程学院;武汉理工大学计算机科学与技术学院;厦门大学电子工程系;

摘要：针对濒死鱼难以实时、高精度检测的问题,提出一种基于迁移学习与卷积神经网络的濒死鱼预警系统。通过迁移学习方法优化卷积神经网络的初始权重,使模型在训练初期即具有一定的泛化能力,优化前网络总体误差为1.75,优化后为0.75。为进一步提升模型性能,使用两组卷积神经网络作为特征提取器进行对比,结果显示,ZFnet网络(AP=0.902)略好于VGGnet网络(0.898),两者均显著优于常见的HOG+SVM算法(AP=0.259)。

关键词：濒死鱼监测,Faster-RCNN,深度神经网络,深度学习

基金资助：江苏省农业重大新品种创制项目(PZCZ201742);; 江苏省研究生科研与实践创新计划项目(SJCX18_0364);; 江苏省重点研发计划(现代农业)重点项目(BE2017377)