登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于深度学习的海底观测视频中鱼类的识别方法
  • 摘要

    针对海底环境恶劣、海底观测视频品质差导致视频中的海洋鱼类识别难的问题,提出一种基于深度学习的海洋鱼类识别方法.首先,将海底观测视频分解为图片,由于海底观测视频中存在较大比例的空白数据,使用背景差分法过滤不包含鱼类的图片,缩短处理全部数据的时间;然后,考虑到海底拍摄环境亮度低、场景模糊的实际情况,对图片基于暗通道先验算法进行预处理提高品质;最后,以卷积神经网络(CNN)为基础构建深度学习模型,并且提出了权重化特征的卷积过程,提高模型的鲁棒性.实验结果表明:面对较差品质的海底观测视频图片,在深度学习模型结构相同的条件下,与普通卷积神经网络模型相比,使用权重化卷积作为隐层并且加入预处理过程后,对海洋鱼类识别准确率的提升幅度达到23%,有助于实现对海底观测视频图片中海洋鱼类的精准识别.

  • 作者

    张俊龙  曾国荪  覃如符  ZHANG Junlong  ZENG Guosun  QIN Rufu 

  • 作者单位

    同济大学电子与信息工程学院,上海,200092/同济大学海洋与地球科学学院,上海200092;海洋地质国家重点实验室(同济大学),上海200092

  • 刊期

    2019年2期 ISTIC PKU

  • 关键词

    海底观测  视频图片  图片品质  深度学习  鱼类识别 

相似文献 查看更多>>
3.208.22.127