Clasificación de imágenes de peces basada en MobileNet

La clasificación de imágenes de alta resolución tiene como objetivo categorizar con precisión las subclases dentro de una categoría particular. Debido a las pequeñas diferencias interclase y las grandes variaciones intraclase, la clasificación de imágenes de alta resolución ha sido un tema de investigación desafiante en el campo de la visión por computadora y posee un valor de investigación significativo. Los algoritmos existentes basados en redes neuronales sufren la pérdida de detalles finos de textura durante el proceso de entrenamiento y la incapacidad para fusionar efectivamente características extraídas de diferentes capas de convolución de la red principal. Para abordar estos problemas, este documento propone un método de clasificación de imágenes de alta resolución basado en una red de extracción de características ligera con MobileNet v2 como núcleo, incorporando fusión de características a múltiples escalas y un mecanismo de atención. Considerando que las características de alto y bajo nivel contienen rica información semántica y textural, se integran mecanismos de atención en diferentes escalas para capturar información de características más diversa. Las evaluaciones experimentales realizadas en el conjunto de datos de alta resolución disponible públicamente, A Large Scale Fish Dataset, lograron una precisión de clasificación del 99.86%. Los resultados demuestran la superioridad del método propuesto en la clasificación de objetos de alta resolución.