基于ResNet的唐卡检索

唐卡是独具特色的藏族艺术资源,因其内容复杂、种类多样、分辨率高,传统的图像检索方法无法实现对唐卡图像进行快速而精准的检索.针对上述问题,基于残差神经网络(ResNet)进行唐卡图像的检索,首先使用ResNet50网络结构进行唐卡图像的深层语义信息提取,然后采用余弦相似度比对算法对提取的唐卡特征进行准确分析.实验表明,相较于SIFT方法,ResNet50检索方法的查准率提升了40%,召回率提升了25%;相较于VGG16,ResNet50检索方法的查准率提升了3%,召回率提升了5%.

基于迁移网络的长江上游保护鱼类识别方法研究

长江珍稀鱼类种群濒危程度日趋加剧,加强渔业从业人员保护意识并为其提供有效的保护鱼类参考是非常必要的.提出了一种基于迁移学习的网络模型,该模型无需大规模数据集驱动且适用于低算力设备,对于识别长江上游保护鱼类任务而言,它可以实时扩充数据集并以较快的速度进行训练且达到较高精度,对于普通手机用户而言,有较高的实用价值.