典型文献
基于深度学习SSDResNet50V1FPN模型在马鲛鱼检测中的应用
文献摘要：
近年来,随着渔业技术的不断发展,人们能享用到更多相关的鱼类水产,渔民的经济水平也较以往得到提高.渔民捕鱼后,通常需要对鱼获物的种类进行识别分类.渔民使用不同网孔的鱼网进行渔获物大小的筛选,体型符合要求的鱼获物会留在网内,从而保证渔获物体型大致相同.打捞上来的鱼还需要进行种类识别分类,将不同种类挑选出来,以便送往各个地方销售.现在渔民在挑选分类鱼的时候通常进行人工挑选,这种做法不仅消耗了大量的时间和精力,还可能会导致随着劳作时间的增加,人的注意力不集中而造成分类错误.为了在渔民分类中减少失误和提高效率,以渔获物马鲛鱼为例,文章讨论在使用普通相机进行检测的情况下,利用TensorFlow目标检测,设计的一种基于卷积神经网络模型SSDResNet50V1FPN应用在马鲛鱼检测中.利用该模型进行马鲛鱼目标检测,总的损失经过25000步训练后,收敛到2.2x10-4,达到良好的检测精度.
文献关键词：
SSDResNet50V1FPN;目标检测;马鲛鱼;深度学习;TensorFlow
中图分类号：
作者姓名：
韦钧乐;侯明鑫
作者机构：
广东海洋大学机械与动力工程学院,广东 湛江 524088;南方海洋科学与工程广东省实验室,广东 湛江 524013
文献出处：
引用格式：
[1]韦钧乐;侯明鑫-.基于深度学习SSDResNet50V1FPN模型在马鲛鱼检测中的应用)[J].科技视界,2022(21):29-31
A类：
SSDResNet50V1FPN,2x10
B类：
马鲛鱼,渔业,享用,鱼类,渔民,捕鱼,识别分类,网孔,鱼网,渔获物,体型,符合要求,网内,大致相同,打捞,种类识别,挑选出,送往,人工挑选,劳作,注意力不集中,失误,提高效率,以渔,TensorFlow,目标检测,卷积神经网络模型,鱼目,检测精度
AB值：
0.361868
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。
