• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>OCEANS Conference >In situ real-time Zooplankton Detection and Classification
【24h】

In situ real-time Zooplankton Detection and Classification

机译：原位实时浮游动物检测和分类

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Zooplankton plays a key-role on Earth's ecosystem, emerging in the oceans and rivers in great quantities and diversity, making it an important and rather common topic on scientific studies. Given the numbers of different species it is not only necessary to study their numbers but also their classification. In this paper a possible solution for the zooplankton in situ detection and classification problem in real-time is proposed using a portable deep learning approach based on Convolutional Neural Networks deployed on INESC TEC's MarinEye system. For detection a Single Shot Detection model with MobileNet was used, and ZooplanktoNet for classification. System portability is guaranteed with the use of Movidius?Neural Compute Stick as the deep learning motor.
机译：浮游动物在地球生态系统上发挥着关键作用，在海洋和河流中出现了大量和多样性，使其成为科学研究的重要又一个普遍的话题。鉴于不同物种的数量，它不仅需要研究他们的数字，还需要他们的分类。在本文中，使用基于在Inesc TEC的Marineye系统上部署的卷积神经网络的便携式深度学习方法提出了实时地原位检测和分类问题的Zooplankton的可能解决方案。用于检测使用MobileNet的单次拍摄检测模型，以及Zooplanktonet进行分类。使用MovIdius（Movidius）保证系统可移植性是深度学习电机的保证。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号