“视觉智能与信息安全”专栏 | Sensors：基于开放集识别的鱼类分类

本研究探讨了在海洋资源可持续利用背景下，利用计算机视觉方法进行鱼类分类的开放集识别问题。研究比较了多重高斯原型学习 (MGPL)、开集最近邻 (OSNN) 和包含概率支持向量机 (PISVM) 三种方法在FDWE数据集上的性能。实验结果表明，开放集方法能有效减少未见物种对分类性能的影响，其中OSNN表现最佳，F1宏达0.79±0.05。研究证实开放集方法有助于提高鱼类捕捞监测系统的可扩展性和有效性，促进渔业可持续管理。