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.
基金项目
国家自然科学基金(72174079)
江苏省苏北科技专项(SZ-LYG202024)
江苏省"青蓝工程"优秀教学团队项目(2022-29)
维普
万方数据