基于迁移学习的非约束环境下热带鱼类识别

针对海底非约束环境下视频背景多模、环境变化复杂导致图像识别困难的问题,提出基于迁移学习的非约束环境下热带海域鱼类识别方法。首先构建ResNet深度卷积神经网络;其次引入迁移学习进行网络训练,对比迁移学习前后的识别效果。结果表明,在引入迁移学习下,accuracy和loss指标均优于非迁移学习的情况,并且在训练到150个epoch时,各项指标开始收敛,能够较好地完成非约束环境下热带海域的鱼类识别任务。