TY -的A2 - Na,京盟——下巴,c . s . AU - Si班盟——克莱尔,a . s . AU - Ma, Maode PY - 2017 DA - 2017/10/15 TI -智能图像识别系统对海洋污染使用Softmax传输深卷积神经网络学习和SP - 5730419六世- 2017 AB -生物淤积在海洋船舶的控制是具有挑战性的和昂贵的。早期检测之前船体性能显著影响是可取的,尤其是“梳理”是一种选择。这里,描述一个系统来检测海洋污染处于早期发展阶段。在这项研究中,一个图像无线传输的污染可以通过移动网络进行分析。该系统利用转移学习和深卷积神经网络(CNN)对污染图像进行图像识别的分类检测污染物种和表面污染的密度。转移学习使用谷歌的《盗梦空间》V3模型Softmax最后层进行污染数据库类别和1825的图像。实验结果为可接受的精度对污染检测和识别。SN - 1076 - 2787你——https://doi.org/10.1155/2017/5730419——10.1155 / 2017/5730419 JF - PB - Hindawi KW - ER -复杂性