典型文献
基于Django的鱼类目标识别与分类系统的设计与实现
文献摘要：
针对当前对鱼类识别和分类的研究较少的问题,文章设计了一种利用DjangoWEB开发框架实现的对图片中鱼类目标进行定位并进行分类的系统,后端主要使用深度学习模型YOLOv5s目标检测网络进行鱼类目标的定位,使用Res-Net50网络进行目标的分类.前端使用HTML,CSS,JQuery,Bootstrap等语言设计进行用户交互和识别结果的展示.经过测试运行,该系统可以很好的对输入图片中的鱼类进行识别与分类,可以应用于实际生产中,能够对渔业发展和鱼类研究起到辅助作用.
文献关键词：
鱼类分类;Django;YOLOv5s;ResNet50
中图分类号：
作者姓名：
黄天星;臧兆祥;陈露露
作者机构：
三峡大学,水电工程智能视觉监测湖北省重点实验室;三峡大学,计算机与信息学院,湖北宜昌443002
文献出处：
引用格式：
[1]黄天星;臧兆祥;陈露露-.基于Django的鱼类目标识别与分类系统的设计与实现)[J].长江信息通信,2022(06):19-21,27
A类：
DjangoWEB
B类：
类目,目标识别,识别与分类,分类系统,鱼类识别,开发框架,后端,使用深度,深度学习模型,YOLOv5s,目标检测网络,HTML,CSS,JQuery,Bootstrap,用户交互,测试运行,渔业发展,辅助作用,鱼类分类,ResNet50
AB值：
0.432362
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。
