文献类型：期刊文章

作　　者：王文成[1] 蒋慧[1] 乔倩[1] 祝捍皓[2] 郑红[2]

Wang Wencheng;Jiang Hui;Qiao Qian;Zhu Hanhao;Zheng Hong(College of Shipping and Electromechanical Engineering,Zhejiang Ocean University,Zhoushan 316022,China;College of Marine Science and Technology,Zhejiang Ocean University,Zhoushan 316022,China)

机构地区：[1]浙江海洋大学船舶与机电工程学院,浙江舟山316022 [2]浙江海洋大学海洋科学与技术学院,浙江舟山316022

出　　处：《信息技术与网络安全》

基　　金：舟山市科技计划项目(2017C41003)。

年　　份：2020

卷　　号：39

期　　号：8

起止页码：57-61

语　　种：中文

收录情况：JST、普通刊

摘　　要：鱼类分类识别在渔业资源研究、鱼类知识的科学推广、水产养殖加工、稀有物种保护等领域具有广泛的应用前景。针对大菱鲆、黄鳍鲷、金钱鱼、鲻鱼这四种鱼类,利用PyTorch框架为基础,通过ResNet50网络模型,用不同的算法对其进行分类识别,不断对模型进行优化,对四种鱼类训练学习,通过测试其准确率达到96%以上。同时用PyQt5开发了GUI可视化界面,通过界面图片的选择和预测功能按钮的操作,测试结果实际类别与预测类别一致,用DSOD框架做了水下目标实时跟踪检测,提高了对小目标的检测率,同时保持了模型的检测速度,检测结果达到期望。

关 键 词：PyTorch框架  ResNet50网络  PyQt5可视化界面  DSOD目标检测器  

分 类 号：S951.2] TP18[水产类] TP391.41]