-
公开(公告)号:CN112200211B
公开(公告)日:2024-04-05
申请号:CN202010691155.X
申请日:2020-07-17
Applicant: 南京农业大学
IPC: G06F16/55 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/096
Abstract: 本发明公开了一种基于残差网络和迁移学习的小样本鱼识别方法,包括如下步骤:构造小样本学习模型,使用预处理后的预训练数据集对模型进行预训练;使用测试集测试模型得到对于鱼类种类的识别精度、召回率和F1值,若识别精度、召回率和F1值达到预设的基准值,即将模型部署至在线识别平台;用户打开在线识别平台,选择本地鱼类图像进行上传至服务器,等待反馈;在服务器后端对本地鱼类图像进行预处理;对预处理后的本地鱼类图像进行特征提取和映射,之后与各类别中心进行度量,判断类别;服务器将识别结果信息返回前端,显示在识别结果页。本发明的方法和系统能精确地辨别复杂多样的鱼类品种,具有很强的便捷性。
-
公开(公告)号:CN112200211A
公开(公告)日:2021-01-08
申请号:CN202010691155.X
申请日:2020-07-17
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于残差网络和迁移学习的小样本鱼识别方法,包括如下步骤:构造小样本学习模型,使用预处理后的预训练数据集对模型进行预训练;使用测试集测试模型得到对于鱼类种类的识别精度、召回率和F1值,若识别精度、召回率和F1值达到预设的基准值,即将模型部署至在线识别平台;用户打开在线识别平台,选择本地鱼类图像进行上传至服务器,等待反馈;在服务器后端对本地鱼类图像进行预处理;对预处理后的本地鱼类图像进行特征提取和映射,之后与各类别中心进行度量,判断类别;服务器将识别结果信息返回前端,显示在识别结果页。本发明的方法和系统能精确地辨别复杂多样的鱼类品种,具有很强的便捷性。
-
公开(公告)号:CN110175642A
公开(公告)日:2019-08-27
申请号:CN201910432558.X
申请日:2019-05-22
Applicant: 南京农业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于PCA降维和特征二元化的菊花相似性计算方法,该方法首先对菊花数据预处理和BOW(Bag-of-words)建模,包括将大规模样本数据集中的图像转为灰度图像,提取所有图像的SIFT特征描述向量和使用K-means聚类,最后引入FDF-IFDF模型,生成最终的训练样本特征向量文件;通过PCA降维处理对高维向量进行降维,把降维后的数据映射到一个二进制超立方体的顶点上并最小化量化误差,生成菊花图像的二元编码;通过哈希函数并构建位置敏感哈希索引。本发明更容易获取图像的本质特征,通过降维实现简化处理过程。
-
-