文献类型：期刊文章

作　　者：顾郑平[1] 朱敏[1]

机构地区：[1]华东师范大学计算机科学与软件工程学院计算中心,上海200062

出　　处：《计算机应用与软件》

年　　份：2018

卷　　号：35

期　　号：1

起止页码：200-205

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、JST、ZGKJHX、核心刊

摘　　要：回顾近年来国内外对鱼类分类的研究进展,指出传统方法存在的缺陷。深度学习是目前图像分类的主流方法。研究基于卷积神经网络CNN(Convolutional Neural Network)的鱼类分类模型,并以该模型为基础,进一步提出利用迁移学习,以预训练网络的特征结合SVM算法(Pre CNN+SVM)的混合分类模型。实验以Fish4-Knowledge(F4 K)作为数据集,使用Tensor Flow训练网络模型。实验结果表明,利用Pre CNN+SVM算法,取得了98.6%的准确率,较传统方法有显著提高。对于小规模数据集,有效解决了需要人工提取特征的不可迁移性。

关 键 词：深度学习  卷积神经网络 迁移学习  支持向量机

分 类 号：TP3[计算机类]