-
题名基于语义分割的视频鱼类特征提取方法研究
- 1
-
-
作者
李潇洋
陈健
常剑波
-
机构
武汉大学电子信息学院
武汉大学水利水电学院
-
出处
《水生态学杂志》
CSCD
北大核心
2024年第5期204-212,共9页
-
基金
国家重点研发计划(2022YFC3204200)。
-
文摘
从视频图像中快速、准确提取水生生物(如鱼类)的特征信息,是信息科学与水生态研究结合的热点。基于Transformer的视觉模型,采用一种基于弱监督语义分割的视频鱼类特征提取方法,在无需预训练或微调的条件下,可以实现对鱼的身体、头部和鱼鳍3类形态区域标签的分割提取。采用DeepFish分割数据集构建计算机视觉自注意力模型(vision transformer,ViT),通过对水下拍摄的鱼类视频进行实验,结果实现了鱼体形态主体特征的有效提取,对拟定的3类形态标签区域进行了良好的分割标记。研究方法具有较高的效率、分割准确度和标记区域的连续平滑性,可提供良好的语义特征,为人工智能技术在鱼类等水生生物监测实践中提供了一种低成本、高效率的新方法。
-
关键词
弱监督学习
语义分割
视觉自注意力模型
鱼类特征提取
-
Keywords
weakly supervised learning
semantic segmentation
vision transformer
fish feature extraction
-
分类号
S931.1
[农业科学—渔业资源]
-
