ag试玩网站-ag网页版下载ag试玩网站-ag网页版下载

官方视频
ag试玩地址-基于百度EasyDL定制化图像识别平台的海洋鱼类识别方法
来源:ag网页版下载    发布时间:2021-02-13 13:36:01
本文摘要:向量机分类的鱼的识别方法这些方法都可以构筑鱼的识别,但这些方法作为现在的视频和照片数据使用呼吸困难,方法相当依赖于人工自由选择的特征,人工自由选择的特征往往不能自由选择表层的特征,很难挖掘出有鉴别力的特征。

向量机分类的鱼的识别方法这些方法都可以构筑鱼的识别,但这些方法作为现在的视频和照片数据使用呼吸困难,方法相当依赖于人工自由选择的特征,人工自由选择的特征往往不能自由选择表层的特征,很难挖掘出有鉴别力的特征。与传统的机器学习方法相比,近年来兴起的深度自学方法以数据为驱动,需要从大量数据中通过卷积等操作者自动自学特征作出反应,很好地解决了人工自由选择特征的问题。

ag试玩地址

Abdelouahid等人[3]和顾郑公平人[4]明确提出了使用深度网络模型展开鱼类识别的方法,这些方法在识别性能方面取得了引人注目的效果,但模型识别性能的提高必须将大量鱼类标志数据作为自学训练使用因此,本文明确提出了基于百度EasyDL定制图像识别平台的海底鱼类识别方法。利用百度EasyDL定制图像识别平台解决问题目标数据集训数据过小和数据分布差异问题,并通过引进伽马校正法和亮地下通道先验算法对数据进行预处理,使数据特征具有更好的识别能力,同时数据强化方法优化模型2.涉及工作2.1海洋鱼类识别系统图1.海底观测平台海底观测平台的系统结构如图1右图所示,位于海面以下的水下乘务器统一接管来自各传感器的收集数据,包括水下相机器材收集的视频数据,将数据传输到位于陆地的岸基站。岸基站接管并存储所有来自海底的数据,并根据誓约协议和规则转发给大数据中心。

大数据中心包括多个子系统,负责管理将不同类型的数据转换为存储、处理、分析,其中包括本文即将研究的海洋鱼识别系统,负责管理海底观测视频的处理分析。本文使用开源计算机视觉工具软件OpenCV加载视频数据,将视频分解为图像框架,同时在背景差分算法过滤器的多馀框架后,对各框架进行预处理和识别分析。

2.2数据预处理由于海底图像对各种噪音和障碍比较脆弱,在不同的光照条件下,悬浮物等对最后的光学和识别有很大影响。另外,从图像的构成过程来看,图像的收集将三维目标的同一构成为二维图像,信息的丢失是不可避免的,因此本质上图像是模糊的。

另一方面,海水的可见度低,透明度只有空气的千分之一,收集的图像噪音低,纹理模糊。再次,由于海洋中各种悬浮物的不存在,光波(即电磁波)不会产生衍射和吸收,收集的海底图像会产生相当严重的灰白效果。再加上海流的影响和照相机镜头的晃动等要素,影像的一部分杂讯现象等要素会影响最后的识别效果。

ag试玩地址

以下是一些典型的海底鱼类图像,收集的图像对比度低,图像模糊:因此,本文应用于提高亮度,提高清晰度预处理数据的方法,尽量避免亮度低和模糊的影响。对于提高亮度的方法,本文可以自由选择伽马校正法[5],用于指数函数调整各灰度单元,计算公式由参数γ1控制1时pi、j[k]值不变大,亮度不提高。相反,pi、j[k]的值变小,亮度不减。

提高清晰度的方法,参考基于明亮地下通道的先验算法去雾的研究[6]。该研究指出,雾天摄影的模糊是由空气中的杂质对光的衍射引起的。海底照片的模糊也正好是由水中杂质对光的引射引起的,因此可以限制海底照片,因此在该研究的基础上,不改善海底环境的特征,优化各灰度单元,计算公式如下(2)综合上述提高亮度和清晰度的过程,预处理的步骤如下:图3右图显示预处理方法提高图像质量的效果:a完整图b预处理后图像2的预处理效果比较图3但是,面对质量极差的照片,预处理方法也有限,不能将其质量提高到鱼的重要特征。

2.3模型建设和训练本文以台湾电力公司、台湾海洋研究所和垦丁国家公园2010年10月1日至2013年9月30日期间,在台湾南海峡、兰岛、胡比湖水下观光台收集的鱼类图像数据子集-Fish4Knowledge(F4K)数据集[7]为实验数据。这个数据集包括23种鱼种,共计27370张鱼的图像,数据集如图4右图所示。

图3Fish4Knowledge(F4K)数据集将实验数据上传到百度EasyDL数据中心,如图4右图所示,使用百度EasyDL定制图像识别平台建立鱼类图像识别模型,由于鱼类形状大小相近,品种差异小,识别性小,因此自由选择AutoDLTransfer算法进行模型训练,AutoDLTransfer模型是百度开发的AutoDL技术之一,融合模型网络结构搜索、自学技术如图5的右图所示。图4数据上载图5模型建设2.3预处理的有效性实验为了证明本文委托的预处理方法的有效性,本文在F4K数据集中实现了完整的数据和基于预处理方法的数据模型性能比较实验,实验在参数完全相同的条件下,百度EasyDL的自定义图像识别平台对数据进行训练,评价比较结果为表1右图:表2性能比较表1的结果显示,鱼类识别中提到的预处理方法比原始数据具有更好的识别性能,正确率和亲属率等各指标都比原始数据训练好。

2.4模型为了进一步提高模型识别的精度,本文采用数据强化的方法扩展数据,减少数据规模,提高模型的一般性能。以前,如果想强化训练数据的操作者,为了扩展模型训练样本,必须手动调整图像。例如旋转、移动、图形、旋转图像等方式,过程如图6右图。图6数据强化处理现在,在EasyDL的图像分类模型训练中,可以通过平台获得的推荐功能自动执行上述强化操作者,优化数据非常丰富,开发者长期不需要重复处理原始数据表3数据强化后,数据集大小表4数据强化后,性能对比2.5。

ag试玩地址

为了进一步证明本文模型的优势,本文模型与其他模型还包括当前流行的深度网络模型VGGnet16、VGGnet19和文献[3]中的PreCNN-SVM鱼识别方法和文献[4]中的Alex-FT-SVM鱼识别方法,在F4K数据集中展开性能评价和比较,实验对比结果如表2右图。从表5不同方法的鱼识别性能比表2的各种方法的比较结果来看,本文的方法比其他方法的识别准确了99.6%的鱼识别精度。该方法充分利用百度EasyDL定制图像识别平台的优势,能够很好地解决鱼类识别任务训练数据严重不足的问题,同时通过引进伽马校正法和明亮的地下通道预测算法对数据进行预处理,使数据特征具有更好的识别能力,数据强化方法优化模型3结束语海底观测环境亮度低,场景模糊,收集的视频质量差,视频中的海洋鱼效果差。本文明确提出了提高图像质量、百度EasyDLasyDL定制图像识别等方法,构建了对优质图像的正确识别。

针对亮度低、场景模糊的问题,预处理时首先用于伽马校正法提高照片亮度,参考基于亮地下通道预测算法的雾化研究,不改善海底环境的特征,提高照片清晰度。由于目前没有大量标记数据,本文用于百度EasyDL定制图像识别和AutoDLTransfer算法,解决了训练数据少、模型效果差的问题。从实验结果可以看出,本文委托的方法可以以99.6%以上的精确度识别海底鱼的图像,检查方法的有效性。

但是,本文的方法还没有严重的不足。其关键在于海底环境的特殊性,提高图像质量的预处理方法几乎不融合海底环境的特征,提高图像质量的能力受到限制。下一步的研究工作是深入分析、挖掘海底环境的特点,明确提出更强有力、更有效的预处理方法。

参考文献:[1]Huang,Phoenix,BastianterJoom,关键是我的关键,我的JisherchichonClasification首次推出《关键词》下一篇文章发表了注意事项。


本文关键词:ag试玩网站,ag网页版下载,ag试玩地址

本文来源:ag试玩网站-www.pt9pt.com

上一新闻:ag网页版下载-世界上唯一一家独立的氢燃料电池汽车创业公司——Spowers

下一新闻:边缘计算大热,与其协作的LoRa技术也准备好迎接物联网的爆发了?

推荐阅读

企业要闻

企业动态

门窗百科

太阳能着色 互补系统 易护理 保温 环保节能
预约报名 免费测量 免费设计 免费报价 免费安装 终身维护
版权所有©2011-2020 阳泉市ag试玩地址有限公司
晋ICP备74064152号-9
联系地址: 山西省阳泉市芒康县同支大楼36号
联系电话:0677-315477121
联系邮箱:663395747@qq.com
传真号码:018-74583586