基于多尺度感知DenseNet的贝类图像分类

发布时间：2023-03-22 19:49

　　针对所构建的贝类图像数据库,使用稠密卷积神经网络对贝类图像进行分类识别研究,在传统池化方法的基础上,应用新的权重比例池化规则,增强了池化过程的抗干扰性;使用多尺度感知的卷积方式,扩展特征提取的感知尺度,针对形貌特征相近和相似的不同品类的贝类图像进行区分,从而实现了相似品类的贝类图像分类识别。实验结果表明,该方法能够实现高准确度的贝类图像识别,尤其针对形貌特征相似的不同品类的贝类图像的分类识别效果显著。

【文章页数】：3 页

【文章目录】：
1 背景意义及研究现状
2 基于多尺度感知DenseNet的贝类图像分类
    2.1 稠密卷积神经网络（DenseNet)
    2.2 新的权重比例池化规则
    2.3 多尺度感知方法
3 实验结果分析
    3.1 贝类图像数据集
    3.2 贝类图像分类结果
4 结束语



本文编号：3767478