SwinFishNet:一种基于Swin变压器的方法,用于使用转移学习进行鱼类自动分类.
1Department of Electrical and Electronics Engineering, Faculty of Engineering and Architecture, Recep Tayyip Erdogan University, Rize, Turkey.
PloS one
|May 20, 2025
概括
这项研究介绍了SwinFishNet,这是一种使用Swin变压器进行鱼类自动分类的AI模型. 它实现了高精度,提高了海产品的可持续性和市场效率.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 海洋生物学 海洋生物学
背景情况:
- 准确的鱼类分类 (FSC) 对可持续渔业,食品安全和市场效率至关重要.
- 目前的方法可能缺乏全球海鲜贸易复杂性所需的精度.
研究的目的:
- 利用先进的深度学习开发一种自动化鱼类物种分类系统.
- 利用Swin变压器架构来提高鱼类物种识别中的图像识别.
主要方法:
- 使用Swin变压器 (ST) 模型利用转移学习,命名为SwinFishNet.
- 在三个不同的数据集上进行训练和评估:BD-淡水鱼 (12类),SmallFishBD (10类) 和FishSpecies (20类).
- 使用AdamW算法应用图像预处理和优化,通过分类准确性和F1得分等指标评估性能.
主要成果:
- 获得了高分类准确度:0.9847 (BD-淡水鱼),0.9964 (小鱼BD) 和0.9932 (鱼种).
- 证明了模型在从图像中区分各种鱼类物种的有效性.
结论:
- 斯温鱼网为自动化鱼类物种分类提供了强大而准确的解决方案.
- 人工智能驱动的方法有助于改善海鲜行业的可持续性,食品安全和市场效率.
