原创力文档- 1、本文档共12页，其中可免费阅读11页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供一种基于计算机视觉的贝类分类识别方法及装置，属于图像识别领域，所述方法基于python语言开发，以现有的贝类图片为研究对象，先对其所属科目进行识别，再具体识别其类别的分步识别方法；为了确保贝类识别算法的精度和效率，以部署到便携式设备上对贝类进行现场识别。本发明一种以熵信息和相似性为标准的剪枝技术，剔除了DNN(DeepNeuralNetworks,深度神经网络)中大量无用和相似的特征，减少了DNN模型的参数量，提高了DNN的计算速度，且提高了贝类识别的准确性。本发明设计了一种包含摄
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112633400 B
(45)授权公告日 2022.08.12
(21)申请号 202011602496.1 (51)Int.Cl.
文档评论（0）