科研之友
微信
新浪微博
Facebook
分享链接
摘要
锦鲤选美的不同等级之间具有高相似度的特点，目前都是人工进行选美分级。为解决人工选美所存在的效率低、主观性强、成本高的问题，提出了一种基于迁移学习和改进ResNeXt50残差网络的锦鲤选美方法。本文首先构建了红白、大正、昭和3种锦鲤的选美等级数据集。其次，采用迁移学习策略提高训练速度，并从SE注意力模块、Hardswish激活函数和Ranger优化器3方面对ResNeXt50模型进行了改进，构建了SH-ResNeXt50锦鲤选美分级模型。试验结果表明：SH-ResNeXt50模型有效提升了锦鲤选美的等级分选能力，模型准确率达95.6%,损失值仅0.074,优于常用的AlexNet、GoogLeNet、ResNet50和ResNeXt50网络模型。最后，采用Grad-CAM分析SH-ResNeXt50模型的可解释性，结果表明SH-ResNeXt50模型和人工识别的感兴趣区域基本一致。本文所提出的方法实现了具有高相似度的锦鲤不同等级的智能分选，对其它具有高相似度的生物等级分选具有借鉴意义。
- 出版日期2023
- 单位机电工程学院; 青岛农业大学
