农业机械学报

作者：袁培森，宋进，徐焕良

单位：南京农业大学,南京农业大学,南京农业大学,

关键词：鱼;图像识别;残差网络;小样本学习;迁移学习

基金：国家自然科学基金项目(61502236、61806097)和江苏省农业科技自主创新资金项目(SCX(21)3059)

针对鱼种类多、数据采集难度大，且需要细粒度图像识别等问题，提出了一种基于度量学习的小样本学习方法。采用基于度量学习的小样本学习网络以及ResNet18的残差块结构，提取鱼图像的深层次特征，并将其映射至嵌入空间进而在嵌入空间判断鱼的种类。为了进一步提升识别准确率，利用小样本学习模型在mini-ImageNet数据集进行预训练，然后将训练的结果迁移到Fish100细粒度数据集上进行精细化训练，得到最终鱼图像识别的判别模型。使用本文模型与常用的5种小样本学习模型，在鱼图像数据集Fish100和ImageNet上进行对比试验，结果表明本文模型的识别效果最佳，在两个数据集上的识别精度分别达到了94.77%和91.03%，且精度、召回率和F1值均明显优于其它模型。

来源：2022年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第2期