TY -的A2 -汗,马利克贾汗AU -崔承哲,Daegyu盟——崔Eunjeong盟——金、东马PY - 2020 DA - 2020/03/09 TI -濒危鹦鹉物种的分类实时移动应用程序使用CNN模型基于转移学习SP - 1475164六世- 2020 AB -在许多深度学习方法中,卷积神经网络(CNN)模型在图像识别性能优良。使用CNN对图像数据集进行识别和分类的研究正在进行中。CNN对动物物种的识别和分类有望对各种应用有所帮助。然而，复杂的特征识别对于特征相似的拟物种的分类是必不可少的，例如具有高度颜色相似性的鹦鹉类拟物种。本研究的目的是利用基于迁移学习的高级CNN模型(一些鹦鹉的颜色和形状非常相似)开发一个基于视觉的移动应用程序来对濒危鹦鹉物种进行分类。我们通过两种方式获取图像:直接从首尔大公园动物园采集，使用谷歌搜索爬行。随后，我们利用转移学习建立了先进的CNN模型，并利用数据进行训练。接下来，我们将一个经过充分训练的模型转换为一个文件，以便在移动设备上执行，并创建Android包文件。这八个CNN模型中的每一个都被测量了准确性。该移动设备相机的总体精度为94.125%。 For certain species, the accuracy of recognition was 100%, with the required time of only 455 ms. Our approach helps to recognize the species in real time using the camera of the mobile device. Applications will be helpful for the prevention of smuggling of endangered species in the customs clearance area. SN - 1574-017X UR - https://doi.org/10.1155/2020/1475164 DO - 10.1155/2020/1475164 JF - Mobile Information Systems PB - Hindawi KW - ER -