科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了满足海水养殖行业不断提高的智能化需求，对海洋鱼类的识别和分类算法进行研究。采用多重残差网络进行鱼类识别及分类，不仅降低计算复杂度，同时加快了残差网络的学习速度；引入指数线性单元（ELU）改进网络的标准残差模块，对输入的负激活值部分进行非线性变化，其参数可通过卷积训练进行自适应学习，同时保持正激活值部分不变，解决了传统残差模块中ReLU层将包含有用信息的负激活值完全丢弃的问题，以降低梯度消失的概率。在海洋鱼类识别与分类的多次实验中，改进的残差网络准确率均不低于95.48%，表明改进算法拥有较高的识别准确率和良好的稳定性。
- 出版日期2023
