水族馆鱼类目标检测网络优化研究

文献类型： 中文期刊

第一作者： 刘洋

作者： 刘洋;张胜茂;王书献;王斐;樊伟;邹国华;伯静

作者机构：

关键词： 目标检测;目标识别;深度学习;Yolo网络;数据增强;网络优化

期刊名称： 渔业现代化

ISSN： 1007-9580

年卷期： 2022 年 49 卷 003 期

页码： 89-98

收录情况： 北大核心 ; CSCD

摘要： 基于深度学习的目标检测与识别在渔业养殖的应用中,存在数据集质量低,网络计算复杂度高、推理速度慢等问题,不易满足高实时性应用场景.本研究收集并标注83种水族馆鱼类的10042张图像数据集,在保证目标检测和识别能力、降低网络计算复杂度、提高推理速度的情况下,探究网络的优化方法.利用"深度可分离卷积"重新设计YoloV4网络的主干网络(backbone)对比Mixup、Cutmix、Mosaic等不同数据增强方式及Mish、Swish、ELU等不同激活函数对网络的优化效果.根据对比结果择优选择数据增强方式、激活函数的组合用于优化网络.结果显示:根据该方法优化的网络在测试集上的预测精确率达到94.37%,计算复杂度(BFLOPS)仅为5.47,相较YoloV4降低了93.99%.研究表明,本研究优化网络的方法,能够在保证检测与识别精确率的前提下,大幅降低网络计算复杂度、提高推理速度,为高实时性应用场景的鱼类目标检测与识别提供了参考.

分类号： TP391.41%Q959.4

  • 相关文献

[1]基于ResNet深度残差网络的白喉乌头检测. 梁俊欢,董峦,阿斯娅·曼力克,孙宗玖,魏鹏,马海燕,艾尼玩·艾买尔,阿仁,郑逢令. 2023

[2]基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统. 张哲宇,孙果镓,杨保军,刘淑华,吕军,姚青,唐健. 2022

[3]农业害虫检测的深度学习算法综述. 蒋心璐,陈天恩,王聪,李书琴,张宏鸣,赵春江. 2023

[4]基于深度学习的蚕茧种类识别研究. 石洪康,李林波,祝明辉,陈义安,马勇,张剑飞. 2023

[5]基于AlexNet的栽培苜蓿病害识别. 李云昊,李仲贤,伏帅,张忠雪,茆士琴,冯琦胜,梁天刚,李彦忠. 2023

[6]基于YOLOv4的稻田杂草目标检测算法. 袁涛,胡冬,马超,李琳一,郑秀国,钱戴玲. 2023

[7]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[8]基于改进YOLOv5s的日光温室黄瓜霜霉病孢子囊检测计数方法. 李明,丁智欢,赵靖暄,陈思铭,李文勇,杨信廷. 2023

[9]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[10]基于YOLOv3模型的金枪鱼鱼群特征识别初步研究. 马硕,张禹,王鲁民,张勋,金卫国,王国来,常卫东. 2021

[11]大田环境下的农业害虫图像小目标检测算法. 蒋心璐,陈天恩,王聪,赵春江. 2024

[12]基于深度学习的半监督图像标注系统设计与实现. 胡明玉,夏雪,杨晨雪,曹景军,柴秀娟. 2021

[13]深度学习在蜜蜂研究中的应用. 孙逸飞,丁桂玲,路运才,刘振虎,黄家兴. 2023

[14]面向海洋渔业捕捞生产的深度学习方法应用研究进展. 张胜茂,孙永文,樊伟,唐峰华,崔雪森,伍玉梅. 2022

[15]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[16]基于改进YOLO-V4网络的浅海生物检测模型. 毛国君,翁伟栋,朱晋德,张媛,吴富村,毛玉泽. 2021

[17]农业科学数据共享技术系统研究. 彭秀媛,王枫,周国民. 2019

[18]遮挡条件下多视角甜椒果实点云三维重构方法. 王昱,易振峰,谭文超,郭金菊,周星星,赵俊宏. 2024

[19]基于DRGB的运动中肉牛形体部位识别. 邓寒冰,许童羽,周云成,苗腾,张聿博,徐静,金莉,陈春玲. 2018

[20]基于Faster R-CNN的松材线虫病受害木识别与定位. 徐信罗,陶欢,李存军,程成,郭杭,周静平. 2020

作者其他论文 更多>>

微信小程序