小目标是指图像中覆盖区域较小的一类目标.与常规目标相比,小目标信息量少,训练数据难以标记,这导致通用的目标检测方法对小目标的检测效果不好,而专门为小目标设计的检测方法往往复杂度过高或不具有通用性.在分析现有目标检测方法的基...小目标是指图像中覆盖区域较小的一类目标.与常规目标相比,小目标信息量少,训练数据难以标记,这导致通用的目标检测方法对小目标的检测效果不好,而专门为小目标设计的检测方法往往复杂度过高或不具有通用性.在分析现有目标检测方法的基础上,提出了一种面向小目标的多尺度快速区域卷积神经网络(faster-regions with convolutional neural network, Faster-RCNN)检测算法.根据卷积神经网络的特性,修改了Faster-RCNN的网络结构,使网络可以同时使用低层和高层的特征进行多尺度目标检测,提升了以低层特征为主要检测依据的小目标检测任务的精度.同时,针对训练数据难以标记的问题,使用从搜索引擎上获取的数据来训练模型.因为这些训练数据与任务测试数据分布不同,又利用下采样和上采样的方法对目标高分辨率的训练图像进行转化,使训练图像和测试图像的特征分布更类似.实验结果表明:所提出的方法在小目标检测任务上的平均精度均值(mean average precision, mAP)可以比原始的Faster-RCNN提高约5%.展开更多
针对海洋牧场观测视频色彩失真和鱼类传统识别方法准确率低的问题,提出一种基于Faster-RCNN的海洋牧场鱼类识别与分类方法。首先,由于海水环境的特殊性和复杂性导致观测视频图像品质差,采用SDI(Serial Digital Interface)信号色彩补偿...针对海洋牧场观测视频色彩失真和鱼类传统识别方法准确率低的问题,提出一种基于Faster-RCNN的海洋牧场鱼类识别与分类方法。首先,由于海水环境的特殊性和复杂性导致观测视频图像品质差,采用SDI(Serial Digital Interface)信号色彩补偿系统来提高视频品质以此制作不同质量数据集;然后以Faster-RCNN为深度学习模型并提出优化特征提取网络与区域建议网络(RPN)来实现海洋牧场鱼类识别与分类。实验结果表明,该方法平均精度均值(Mean Average Precision,mAP)达到81.63%,与传统机器学习目标检测算法相比,显著提高了识别的准确率。展开更多
文摘小目标是指图像中覆盖区域较小的一类目标.与常规目标相比,小目标信息量少,训练数据难以标记,这导致通用的目标检测方法对小目标的检测效果不好,而专门为小目标设计的检测方法往往复杂度过高或不具有通用性.在分析现有目标检测方法的基础上,提出了一种面向小目标的多尺度快速区域卷积神经网络(faster-regions with convolutional neural network, Faster-RCNN)检测算法.根据卷积神经网络的特性,修改了Faster-RCNN的网络结构,使网络可以同时使用低层和高层的特征进行多尺度目标检测,提升了以低层特征为主要检测依据的小目标检测任务的精度.同时,针对训练数据难以标记的问题,使用从搜索引擎上获取的数据来训练模型.因为这些训练数据与任务测试数据分布不同,又利用下采样和上采样的方法对目标高分辨率的训练图像进行转化,使训练图像和测试图像的特征分布更类似.实验结果表明:所提出的方法在小目标检测任务上的平均精度均值(mean average precision, mAP)可以比原始的Faster-RCNN提高约5%.
文摘针对海洋牧场观测视频色彩失真和鱼类传统识别方法准确率低的问题,提出一种基于Faster-RCNN的海洋牧场鱼类识别与分类方法。首先,由于海水环境的特殊性和复杂性导致观测视频图像品质差,采用SDI(Serial Digital Interface)信号色彩补偿系统来提高视频品质以此制作不同质量数据集;然后以Faster-RCNN为深度学习模型并提出优化特征提取网络与区域建议网络(RPN)来实现海洋牧场鱼类识别与分类。实验结果表明,该方法平均精度均值(Mean Average Precision,mAP)达到81.63%,与传统机器学习目标检测算法相比,显著提高了识别的准确率。
