-
题名基于迁移学习的水产动物图像识别方法
被引量：28
- 1
-
-
作者
王柯力
袁红春
-
机构
上海海洋大学信息学院
-
出处
《计算机应用》
CSCD
北大核心
2018年第5期1304-1308,1326,共6页
-
基金
国家自然科学基金资助项目(41776142)
上海市科学技术委员会支撑项目(1439190400)~~
-
文摘
针对传统水产动物图像识别方法步骤复杂、准确率差、泛化性差,而深度卷积神经网络(DCNN)模型开发难度大等问题,提出一种基于参数迁移策略采用微调方式再训练源模型的方法。首先,对图像进行数据增强等预处理;然后,在修改源模型全连接分类层的基础上,进一步将高层卷积模块的权重设置为可训练以进行自适应调整;最后,以验证集识别率与训练时间作为评估指标,针对不同源模型采用不同的可训练参数占比进行性能实验。实验结果表明,通过再训练得到的图像识别模型准确率可达到97.4%,相比源模型最多可提高20个百分点;在可训练参数占比为75%左右时可得到较理想的性能。通过实验证实了采用微调方法可以在低成本开发条件下得到性能良好的深度神经网络图像识别模型。
-
关键词
水产动物图像
深度卷积神经网络
迁移学习
微调
数据提升
-
Keywords
aquatic animal image
Deep Convolutional Neural Network （DCNN）
transfer leanaing
fine-tune
data enhancement
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
