基于Faster-RCNN的海洋牧场鱼类识别与分类
矫萌璐
张海燕
李欣
中国海洋大学信息科学与工程学院,山东青岛 266100
摘要：针对海洋牧场观测视频色彩失真和鱼类传统识别方法准确率低的问题,提出一种基于Faster-RCNN 的海洋牧场鱼类识别与分类方法.首先,由于海水环境的特殊性和复杂性导致观测视频图像品质差,采用SDI(Serial Digital Interface)信号色彩补偿系统来提高视频品质以此制作不同质量数据集;然后以Faster-RCNN为深度学习模型并提出优化特征提取网络与区域建议网络(RPN)来实现海洋牧场鱼类识别与分类.实验结果表明,该方法平均精度均值(Mean Average Precision,mAP)达到81.63％,与传统机器学习目标检测算法相比,显著提高了识别的准确率.
关键词：鱼类识别SDI信号色彩补偿深度学习Faster-RCNN算法
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(91958206)
论文发表日期：2024-06-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 65-72 )
英文信息