1、“.....使特征提取只专注于鱼的坐标区域，这样深度学习在鱼类图像识别与分类中的应用论文原稿类识别农业工程学报，万鹏，潘海兵，龙长江，等基于机器视觉技术淡水鱼品种在线识别装置设计食品与机械，类分类领域，识别准确率较高的为吴全等提出的基于的方法，在种鱼类分类上取得了的识别准确率和万鹏等提出的基于层神经网络的方法，在种鱼类分类上取得了的识别准确率......”。

2、“.....仍然取得了更优异的识别性能。的对采集的图像进行分类，利用机器学习技术，设计了种基于卷积神经网络的鱼类图像分类系统。利用该模型对鱼类进行分类，分类准确率达到了，实现了预期目标。关键词卷积神经网络反向传播算法仿射变换中图分类号文献标识码文汇合层是指取小块像素区域的像素最大值，作用是可减少数据量，控制过拟合。全连接层的权重采用反向传播算法训练，参数寻优采用随机梯度下降方法......”。

3、“.....可根据损失函数在迭代训练中产生的信息自动调整学习率。深度学习在鱼类图函数来进行图像的仿射变换，通过小样本集测试发现当错切幅度范围为时，训练产生的模型在测试集上的分类精度最高，所以取数据集扩增函数的参数。这样就能使每轮图像数据都有微小且合乎常理的差异，降低模型的过拟合。深度学习在鱼类图像识别的像素最大值，作用是可减少数据量，控制过拟合。全连接层的权重采用反向传播算法训练，参数寻优采用随机梯度下降方法......”。

4、“.....可根据损失函数在迭代训练中产生的信息自动调整学习率。本次研究的神经网络模型结构如图所示。卷积序的渔业捕捞严重威胁海洋生态环境和全球的海产品的可持续供应。为了准确的对采集的图像进行分类，利用机器学习技术，设计了种基于卷积神经网络的鱼类图像分类系统。利用该模型对鱼类进行分类，分类准确率达到了，实现了预期目标......”。

5、“.....本次研究的神经网络模型结构如图所示。卷积层采用了被广泛使用在图像分类任务中的模型的卷积滤波器的权重，并在其模型上作微调来实现本次研究的目标。输入层将不同尺寸的图片统转换成大小。量处理图片，即次只取定数量的图像进行训练，训练完后再调用生成器进行下批次图像的训练，直到完成轮图像数据的训练。根据实验平台的计算性能和实际测试，当每批次的图像数据为张时，训练的速度达到最大值......”。

6、“.....需要调用数据集扩增化多核支持向量机的淡水鱼种类识别农业工程学报，万鹏，潘海兵，龙长江，等基于机器视觉技术淡水鱼品种在线识别装置设计食品与机械，层采用了被广泛使用在图像分类任务中的模型的卷积滤波器的权重，并在其模型上作微调来实现本次研究的目标。输入层将不同尺寸的图片统转换成大小。输入图像数据处理由于计算机显存的容量有限，不可能次将所有的图像数据都输入显卡进行......”。

7、“.....各国已经开始利用摄像头来监控渔船的捕捞活动，并运用机器学习技术来对渔船捕获的鱼类图像进行自动的识别与分类从而扼制非法的捕捞。汇合层是指取小块像素区域，。摘要各国已经开始利用摄像头来监控渔船的捕捞活动，并运用机器学习技术来对渔船捕获的鱼类图像进行自动的识别与分类从而扼制非法的捕捞。目前非法无，深度学习在鱼类图像识别与分类中的应用论文原稿然取得了更优异的识别性能......”。

8、“.....并用数据集扩增方法方法和方法降低了过拟合优秀的识别准确率结果显示此模型达到了预期目标。参考文献吴全，殷骏，戴冕，等基于蜂群优就有效的排除了背景干扰。实验结果显示此模型具有很高的识别精度和鲁棒性，能在背景干扰很强的图片数据集上准确的完成鱼类的识别和分类。深度学习在鱼类图像识别与分类中的应用论文原稿。实验结果实验结果显示，本次工作构建的模型在验证集上的识别准确率为，......”。

9、“.....设计了种目标检测方法，即在原始训练数据已经有鱼类类别标签的基础上，再标注上层表示鱼类在图片中坐标位置的标签，然后利用这些次标注过的，结语本文构建了个基于的卷积网络模型，并用数据集扩增方法方法和方法降低了过拟合优秀的识别准确率结果显示此模型达到了预期目标。参考文献吴全，殷骏，戴冕，等基于蜂群优化多核支持向量机的淡水鱼种章编号随着环保压力的增大，各国已经开始利用摄像头来监控渔船的捕捞活动......”。