计算机应用

作者：张俊龙, 曾国荪, 覃如符

单位：1. 同济大学 电子与信息工程学院, 上海 200092;2. 同济大学 海洋与地球科学学院, 上海 200092;3. 海洋地质国家重点实验室(同济大学), 上海 200092

关键词：海底观测,视频图片,图片品质,深度学习,鱼类识别

基金：国家社会科学基金资助项目（17BQT086）；同济大学实验教改项目（0800104214）。

针对海底环境恶劣、海底观测视频品质差导致视频中的海洋鱼类识别难的问题，提出一种基于深度学习的海洋鱼类识别方法。首先，将海底观测视频分解为图片，由于海底观测视频中存在较大比例的空白数据，使用背景差分法过滤不包含鱼类的图片，缩短处理全部数据的时间；然后，考虑到海底拍摄环境亮度低、场景模糊的实际情况，对图片基于暗通道先验算法进行预处理提高品质；最后，以卷积神经网络（CNN）为基础构建深度学习模型，并且提出了权重化特征的卷积过程，提高模型的鲁棒性。实验结果表明:面对较差品质的海底观测视频图片，在深度学习模型结构相同的条件下，与普通卷积神经网络模型相比，使用权重化卷积作为隐层并且加入预处理过程后，对海洋鱼类识别准确率的提升幅度达到23%，有助于实现对海底观测视频图片中海洋鱼类的精准识别。

来源：2019年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第2期