基于卷积神经网络的人母虫种类识别
计算机视觉与模式识别
2025-07-16 v1
摘要
母虫是一类构成多样化凝胶质海洋生物，虽在维持海洋生态系统方面发挥关键作用，但因其快速增殖和生态影响，却在生物多样性和保育方面带来诸多挑战。准确识别母虫种类对生态监测和管理至关重要。本研究提出了一种基于深度学习的人工神经网络框架，用于利用水下图像数据集进行母虫的检测和分类。该框架集成了MobileNetV3、ResNet50、EfficientNetV2-B0和VGG16等先进特征提取技术，以及七种传统机器学习分类器和三种前馈神经网络分类器，以实现精准的种属识别。此外，我们对卷积神经网络模型激活softmax函数，直接对母虫种类进行分类。人工神经网络与MobileNetV3的组合是我们表现最佳的模型，达到了惊人的98%准确率，显著优于其他特征提取器-分类器组合。这一研究表明，深度学习和混合框架在应对生物多样性挑战和推动海洋环境中的种类检测方面具有有效性。
关键词
引用
@article{arxiv.2507.11116,
title = {Jellyfish Species Identification: A CNN Based Artificial Neural Network Approach},
author = {Md. Sabbir Hossen and Md. Saiduzzaman and Pabon Shaha and Mostofa Kamal Nasir},
journal= {arXiv preprint arXiv:2507.11116},
year = {2025}
}
备注
This paper has been accepted at the IEEE QPAIN 2025. The final version will be available in the IEEE Xplore Digital Library