期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于Geohash和动态网格的渔船轨迹相似度搜索算法 被引量:1
1
作者 梁亮 于红 +4 位作者 刘承基 高浩天 韦思 张志涵 张如辉 《海洋信息技术与应用》 2023年第2期82-93,共12页
渔船轨迹数据属于具有强时空关联的时间序列数据,相较于普通轨迹具有形状多变无规律、单条轨迹点数量不统一等特点。在使用传统相似度索引构建的查询算法中,常由于以上原因造成索引构建缓慢,查询速度下降。为解决以上问题,提出了基于Geo... 渔船轨迹数据属于具有强时空关联的时间序列数据,相较于普通轨迹具有形状多变无规律、单条轨迹点数量不统一等特点。在使用传统相似度索引构建的查询算法中,常由于以上原因造成索引构建缓慢,查询速度下降。为解决以上问题,提出了基于Geohash和动态网格的渔船轨迹相似度搜索算法。针对渔船轨迹数据形状多变问题,基于Geohash构建可变动态网格结构,利用Geohash的唯一性所构建的网格路径范围进行轨迹查询,直接对网格路径内所包含的其他轨迹点进行计数,并加入时间维计算以保证查询轨迹与被查询轨迹处于同一时间维度;通过计算结果轨迹点数量与轨迹点总数量之间的比值解决轨迹点数量不一致的问题。为验证所提出方法的有效性,使用真实渔船轨迹数据进行实验,并与传统方法进行了比较。实验结果表明,所提出的方法能够有效提高渔船轨迹数据的索引构建速度和查询速度,为进一步数据分析提供有效的数据支撑。 展开更多
关键词 轨迹数据 相似性搜索 网格结构 Geohash编码
下载PDF
融合SKNet与YOLOv5深度学习的养殖鱼群检测 被引量:15
2
作者 赵梦 于红 +6 位作者 李海清 胥婧雯 程思奇 谷立帅 张鹏 韦思 郑国伟 《大连海洋大学学报》 CAS CSCD 北大核心 2022年第2期312-319,共8页
为解决真实养殖环境下,水下成像模糊、失真等导致鱼群检测准确率低的问题,提出一种融合视觉注意力机制SKNet(selective kernel networks)与YOLOv5(you only look once)的养殖鱼群检测方法(SK-YOLOv5模型),该方法首先采用UNet(convolutio... 为解决真实养殖环境下,水下成像模糊、失真等导致鱼群检测准确率低的问题,提出一种融合视觉注意力机制SKNet(selective kernel networks)与YOLOv5(you only look once)的养殖鱼群检测方法(SK-YOLOv5模型),该方法首先采用UNet(convolutional networks for biomedical image segmentation)对图像进行预处理,得到清晰的鱼群图像,然后将SKNet融合到YOLOv5的Backbone端构成关注像素级信息的特征提取网络,加强对模糊鱼体的识别能力,并在水下模糊鱼群图像数据集上进行了消融试验和模型对比试验,以验证SK-YOLOv5的有效性。结果表明:在鱼群检测任务上,SK-YOLOv5的识别精确率和召回率分别达到了98.86%和96.64%,检测效果比YOLOv5分别提升了2.14%和2.29%,与目前检测准确率较高的水下目标检测模型XFishHmMp和FERNet相比,SK-YOLOv5取得了较好的检测效果,与XFishHmMp模型相比,识别精确率和召回率分别提升了5.39%和5.66%,与FERNet模型相比,识别精确率和召回率分别提升了3.59%和3.77%,实现了真实养殖环境下鱼群的准确检测。研究表明,融合SKNet与YOLOv5的养殖鱼群检测方法,有效地解决了水下模糊图像鱼群检测准确率低的问题,提升了养殖鱼群检测和识别的整体效果。 展开更多
关键词 鱼群检测 YOLOv5 UNet SKNet 视觉注意力机制 深度学习
下载PDF
基于通道非降维注意力机制与改进YOLOv5的养殖鱼群检测 被引量:5
3
作者 韦思 于红 +6 位作者 张鹏 李海清 高浩天 张鑫 胡泽元 吴俊峰 孟娟 《渔业现代化》 CSCD 2023年第3期72-78,共7页
养殖环境中模糊、气泡遮挡等现象影响养殖鱼特征提取,使养殖鱼群检测精度不佳,为解决上述问题,提出融合通道非降维双重注意力机制ECBAM与改进YOLOv5的养殖鱼群检测模型ESB-YOLO(ECBAMSPPF-BiFPN-YOLO)。使用ECBAM注意力机制获取更多细... 养殖环境中模糊、气泡遮挡等现象影响养殖鱼特征提取,使养殖鱼群检测精度不佳,为解决上述问题,提出融合通道非降维双重注意力机制ECBAM与改进YOLOv5的养殖鱼群检测模型ESB-YOLO(ECBAMSPPF-BiFPN-YOLO)。使用ECBAM注意力机制获取更多细节特征;为缓解加入ECBAM导致的检测时间增加、速度变慢,使用SPPF替换SPP,减少模型计算量,降低模型检测时间,提高检测速度;为提高YOLOv5特征融合效果,使用BiFPN进行特征权重融合,提高有效特征在特征融合的比重,减少特征丢失。为了验证改进模块对YOLOv5的影响,设计了消融试验。试验结果显示:ESB-YOLO相比YOLOv5在保持检测速度的条件下平均精度提升了2.40%;设计模型对比试验,验证了ESB-YOLO的优越性,相比FERNet、SWIPENet及SK-YOLOv5等先进水下目标检测模型,ESB-YOLO在平均精度上分别具有3.10%、3.90%与0.70%的优势。研究表明,本研究所提的模型对养殖鱼群目标检测效果更佳,可以满足养殖鱼群检测要求。 展开更多
关键词 机器视觉 注意力机制 养殖鱼检测 YOLOv5 BiFPN
下载PDF
基于通道非降维与空间协调注意力的改进YOLOv8养殖鱼群检测 被引量:5
4
作者 涂万 于红 +6 位作者 张鹏 韦思 张鑫 杨宗轶 吴俊峰 林远山 胡泽元 《大连海洋大学学报》 CAS CSCD 北大核心 2023年第4期717-725,共9页
为解决真实养殖环境中因鱼群模糊、遮挡造成的鱼类目标检测困难等问题,采用基于通道非降维与空间协调注意力ECAM(efficient coordination attention module)的改进YOLOv8养殖鱼群检测方法YOLOv8-Head-ECAM以提高检测精度。首先在FPN(fea... 为解决真实养殖环境中因鱼群模糊、遮挡造成的鱼类目标检测困难等问题,采用基于通道非降维与空间协调注意力ECAM(efficient coordination attention module)的改进YOLOv8养殖鱼群检测方法YOLOv8-Head-ECAM以提高检测精度。首先在FPN(feature pyramid network)中增加大尺寸检测头,更好地捕捉水下鱼类个体的细节信息,以加强对鱼群特征的提取能力,然后使用ECAM注意力机制减少模糊背景的干扰,聚焦鱼类个体的关键特征,以加强对模糊鱼群的识别能力,并设计了消融试验和模型对比试验以验证算法的有效性。结果表明:相比于YOLOv8,YOLOv8-Head-ECAM模型的准确率、召回率和平均精度均值分别提高了2.3%、1.7%和1.6%;与目前检测准确率较高的养殖鱼群检测模型KAYOLO、DCM-ATM-YOLOv5、SK-YOLOv5和ESB-YOLO相比,平均精度均值分别提高了0.7%、1.0%、2.4%和2.0%。研究表明,本文中提出的YOLOv8-Head-ECAM模型能够较好地适应水下鱼群模糊、遮挡的情况,提高了鱼群检测的有效性。 展开更多
关键词 注意力机制 YOLOv8 特征提取 鱼群检测 计算机视觉
下载PDF
基于改进YOLOv7的密集鱼群计数检测
5
作者 李尹佳 胡泽元 +4 位作者 涂万 张鹏 韦思 于红 吴俊峰 《广东海洋大学学报》 CAS CSCD 北大核心 2024年第2期115-123,共9页
【目的】提高在水体浑浊和鱼群高密度聚集等复杂环境中的鱼群检测精度。【方法】提出一种基于双层路由注意力机制(BiFormer)和Normalized Wasserstein Distance(NWD)损失函数的改进YOLOv7的密集鱼群计数检测方法。在保留细粒度特征的基... 【目的】提高在水体浑浊和鱼群高密度聚集等复杂环境中的鱼群检测精度。【方法】提出一种基于双层路由注意力机制(BiFormer)和Normalized Wasserstein Distance(NWD)损失函数的改进YOLOv7的密集鱼群计数检测方法。在保留细粒度特征的基础上,提高模型对多尺度特征的学习能力,同时降低模型对模糊图像中小目标位置偏差的敏感性,加强对浑浊水域中鱼群的识别能力。为评估该模型的有效性,在红鳍东方鲀(Takifugu rubripes)数据集上与其他网络模型进行对比实验。【结果】该方法在红鳍东方鲀数据集上的准确率和召回率分别达到98.05%和97.69%,平均精度达到99.10%,较YOLOv7相比分别提升2.46%、3.73%和2.62%。与目前检测准确率较高的其他水下目标检测模型相比,平均精度平均提高4.25%。【结论】实现真实养殖环境下浑浊水域中鱼群的准确检测,有助于科学指导工业化水产养殖的生产管理,提高养殖效率,减少资源浪费。 展开更多
关键词 水产养殖 鱼类检测 深度学习 YOLOv7 BiFormer NWD
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部