FisHook——一种基于 MobileNetV2 优化的海洋物种分类方法
计算机视觉与模式识别
2023-09-19 v1
摘要
海洋生态系统对地球健康至关重要，但气候变化、污染和过度捕捞等人类活动对海洋物种构成持续威胁。准确分类和监测这些物种有助于理解其分布、种群动态以及人类活动对它们的影响。然而，由于其巨大的多样性和复杂的水下环境，海洋物种分类可能具有挑战性。随着计算机性能和基于 GPU 的计算的进步，深度学习算法现在可以高效地对海洋物种进行分类，使监测和管理海洋生态系统更加容易。在本文中，我们提出了一种对 MobileNetV2 模型的优化，通过强调创建数据集和增强海洋物种图像的具体准则，实现了 99.83% 的平均验证准确率。该迁移学习算法可成功部署在移动应用程序上，用于渔业的现场分类。
引用
@article{arxiv.2304.01524,
title = {FisHook -- An Optimized Approach to Marine Specie Classification using MobileNetV2},
author = {Kohav Dey and Krishna Bajaj and K S Ramalakshmi and Samuel Thomas and Sriram Radhakrishna},
journal= {arXiv preprint arXiv:2304.01524},
year = {2023}
}