典型文献
基于改进的Faster R-CNN贝类识别检测
文献摘要：
基于Faster R-CNN的贝类识别算法,使用DenseNet代替特征提取模块,融合多层次特征数据,优化NMS算法、网络深度和合并方法.克服了贝类重叠、多种贝类和光线不足的遗漏,有效地解决了贝类分类精度低的问题.在复杂化的测试环境中,测试精度提高约4％.
文献关键词：
贝类;深度学习;Faster R-CNN;识别
中图分类号：
作者姓名：
冯怡然;张馨丹;陶学恒
作者机构：
大连工业大学 辽宁省海洋食品加工技术装备重点实验室,辽宁 大连 116034;大连工业大学 工程训练中心,辽宁 大连 116034
文献出处：
引用格式：
[1]冯怡然;张馨丹;陶学恒-.基于改进的Faster R-CNN贝类识别检测)[J].大连工业大学学报,2022(03):208-213
A类：
B类：
Faster,贝类,识别检测,识别算法,DenseNet,取模,多层次特征,特征数据,NMS,类重叠,光线,遗漏,分类精度,测试环境,测试精度
AB值：
0.459915
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
