基于卷积神经网络与深度学习的水下鱼类物种分类
计算机视觉与模式识别
2018-05-28 v1
摘要
本文的目标是提出一种鱼类物种自动分类的方法。在鱼类学中以及对于海洋生物学家而言，高精度的鱼类分类是更深入理解鱼类行为所必需的。相关机构需要维护各物种鱼类数量的台账，并标记大小水体中的濒危物种。现有多数方法聚焦于水体之外鱼类的分类，因为水下分类面临背景噪声、图像畸变、图像中其他水体存在、图像质量与遮挡等挑战。本方法使用基于卷积神经网络、深度学习与图像处理的新型技术，达到了 96.29% 的准确率。该方法相比先前提出的方法在判别准确率上有显著提升。
引用
@article{arxiv.1805.10106,
title = {Underwater Fish Species Classification using Convolutional Neural Network and Deep Learning},
author = {Dhruv Rathi and Sushant Jain and Dr. S. Indu},
journal= {arXiv preprint arXiv:1805.10106},
year = {2018}
}
备注
Pre-print of paper to be published in IEEEXplore, accepted under the International Conference of Advances in Pattern Recognition 2017