針對(duì)所構(gòu)建的貝類圖像數(shù)據(jù)庫(kù),使用稠密卷積神經(jīng)網(wǎng)絡(luò)對(duì)貝類圖像進(jìn)行分類識(shí)別研究,在傳統(tǒng)池化方法的基礎(chǔ)上,應(yīng)用新的權(quán)重比例池化規(guī)則,增強(qiáng)了池化過(guò)程的抗干擾性;使用多尺度感知的卷積方式,擴(kuò)展特征提取的感知尺度,針對(duì)形貌特征相近和相似的不同品類的貝類圖像進(jìn)行區(qū)分,從而實(shí)現(xiàn)了相似品類的貝類圖像分類識(shí)別。實(shí)驗(yàn)結(jié)果表明,該方法能夠?qū)崿F(xiàn)高準(zhǔn)確度的貝類圖像識(shí)別,尤其針對(duì)形貌特征相似的不同品類的貝類圖像的分類識(shí)別效果顯著。

【文章頁(yè)數(shù)】：3 頁(yè)

【文章目錄】：
1 背景意義及研究現(xiàn)狀
2 基于多尺度感知DenseNet的貝類圖像分類
    2.1 稠密卷積神經(jīng)網(wǎng)絡(luò)（DenseNet)
    2.2 新的權(quán)重比例池化規(guī)則
    2.3 多尺度感知方法
3 實(shí)驗(yàn)結(jié)果分析
    3.1 貝類圖像數(shù)據(jù)集
    3.2 貝類圖像分類結(jié)果
4 結(jié)束語(yǔ)



本文編號(hào)：3767478