隨著計(jì)算機(jī)科學(xué)的進(jìn)步,計(jì)算機(jī)視覺(jué)在目標(biāo)檢測(cè)以及目標(biāo)識(shí)別領(lǐng)域的地位越來(lái)越舉足輕重,各個(gè)領(lǐng)域的應(yīng)用也層出不窮,所以在海洋資源檢測(cè)領(lǐng)域中,也可以扮演相當(dāng)重要的角色。然而,目前我國(guó)現(xiàn)有的魚(yú)類相關(guān)的產(chǎn)品研究中,沒(méi)有可用的數(shù)據(jù)集提供使用,國(guó)外的數(shù)據(jù)集適用于該國(guó)海岸線周邊的魚(yú)類類型識(shí)別,并不能用于我國(guó)的海洋魚(yú)類的魚(yú)類檢測(cè)。而且市面上并不存在用于識(shí)別魚(yú)類的工具,針對(duì)魚(yú)類的分類還是要通過(guò)人工操作,效率低下,過(guò)程復(fù)雜。對(duì)此我們結(jié)合計(jì)算機(jī)視覺(jué)技術(shù)針對(duì)魚(yú)類作為研究對(duì)象展開(kāi)一系列的實(shí)驗(yàn)進(jìn)行研究及應(yīng)用,主要研究?jī)?nèi)容將從三個(gè)方面來(lái)討論:第一,首先是構(gòu)建我國(guó)沿海地區(qū)常見(jiàn)魚(yú)類數(shù)據(jù)集,目的是提供足量的數(shù)據(jù)供深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。我們一共收集了 6萬(wàn)張136類不同的照片。然而各種魚(yú)類圖片數(shù)量分布非常不均勻,倘若直接放在網(wǎng)絡(luò)里訓(xùn)練,效果是非常差的。所以本文會(huì)針對(duì)這些數(shù)據(jù)進(jìn)行數(shù)據(jù)均衡、色彩飽和度調(diào)整、隨機(jī)裁剪等數(shù)據(jù)增強(qiáng)操作,用以達(dá)到增加樣本多樣性和平衡數(shù)據(jù)量的目的。第二,利用神經(jīng)網(wǎng)絡(luò)對(duì)魚(yú)類數(shù)據(jù)進(jìn)行訓(xùn)練,分別采用基于ResNet101網(wǎng)絡(luò)的Faster RCNN算法和基于VGG16網(wǎng)絡(luò)的SSD算法對(duì)有標(biāo)記的魚(yú)類圖片進(jìn)行目標(biāo)識(shí)別。... 

【文章來(lái)源】：廈門(mén)大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：105 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１?２０１２年－２０１７年我國(guó)漁業(yè)產(chǎn)值統(tǒng)計(jì)圖??

圖１－２形色識(shí)別綠蘿結(jié)果圖??

圖１－４實(shí)際標(biāo)注圖??

【參考文獻(xiàn)】：
期刊論文
[1]生成對(duì)抗網(wǎng)絡(luò)GAN綜述[J]. 程顯毅,謝璐,朱建新,胡彬,施佺.  計(jì)算機(jī)科學(xué). 2019(03)
[2]黃、東海漁業(yè)資源群落結(jié)構(gòu)變化研究[J]. 戴芳群,朱玲,陳云龍.  漁業(yè)科學(xué)進(jìn)展. 2020(01)
[3]TensorFlow在圖像識(shí)別系統(tǒng)中的應(yīng)用[J]. 邢艷芳,段紅秀,何光威.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(05)
[4]一種HOG特征模板匹配算法[J]. 崔偉清,黨長(zhǎng)春,張旺,王洪洲,羅勇牙.  機(jī)械管理開(kāi)發(fā). 2018(11)
[5]基于優(yōu)化分類的數(shù)據(jù)增廣方法[J]. 蔣夢(mèng)瑩,林小竹,柯巖.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(11)
[6]海洋通識(shí)類課程建設(shè)與教學(xué)實(shí)踐[J]. 葛義軍,黃昆侖,王智宇.  科技視界. 2018(31)
[7]基于深度學(xué)習(xí)的海底觀測(cè)視頻中魚(yú)類的識(shí)別方法[J]. 張俊龍,曾國(guó)蓀,覃如符.  計(jì)算機(jī)應(yīng)用. 2019(02)
[8]基于改進(jìn)錨候選框的甚高速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的端到端地鐵行人檢測(cè)[J]. 盛智勇,揭真,曲洪權(quán),田青.  科學(xué)技術(shù)與工程. 2018(22)
[9]基于機(jī)器學(xué)習(xí)的入侵檢測(cè)方法對(duì)比研究[J]. 和湘,劉晟,姜吉國(guó).  信息網(wǎng)絡(luò)安全. 2018(05)
[10]基于機(jī)器視覺(jué)的淡水魚(yú)品種識(shí)別[J]. 姚潤(rùn)璐,桂詠雯,黃秋桂.  微型機(jī)與應(yīng)用. 2017(24)

碩士論文
[1]基于深度學(xué)習(xí)的蒙古文古籍整詞識(shí)別技術(shù)研究[D]. 劉鑫.內(nèi)蒙古大學(xué) 2018
[2]基于深度學(xué)習(xí)的鐵譜圖像分類[D]. 王聯(lián)君.南京航空航天大學(xué) 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)和上下文模型的目標(biāo)檢測(cè)[D]. 馬增妍.北京工業(yè)大學(xué) 2016
[4]基于計(jì)算機(jī)視覺(jué)木材表面顏色分類的研究[D]. 王業(yè)琴.東北林業(yè)大學(xué) 2006



本文編號(hào)：3098446