-
题名增强细节信息特征提取的鱼类个体识别算法
被引量：1
- 1
-
-
作者
王伟芳
殷健豪
高春奇
刘梁
-
机构
大连海洋大学信息工程学院
-
出处
《现代电子技术》
北大核心
2024年第2期183-186,共4页
-
基金
国家自然科学基金项目:水下实时背景下鱼类精准识别新方法研究:融合VSM和DELM(31972846)。
-
文摘
在鱼类个体识别的实际应用场景中,由于水下环境噪声大、鱼体角度倾斜以及类内特征差异不明显,导致卷积神经网络特征提取能力低下,影响识别准确性。针对该问题,提出一种增强细节信息特征提取的鱼类个体识别算法(FishNetv1)。改进YOLOv5网络并建立损失函数,优化鱼类个体目标的检测结果。主干网络在MobileNet‐v1的基础上完成优化,改进深度卷积层,更新ReLU激活函数,使用Leaky ReLU保留负值特征信息,实现特征信息的获取。在网络结构末端全连接层前增加特征加权层,去除卷积神经网络中常用的池化层,完成图像细节信息的增强和特征提取。实验结果表明,所设计模型在DLOUFish数据集上的平均准确率为92.46%,最高准确率达到95.69%。
-
关键词
鱼类个体识别
关键点检测
特征提取
MobileNet‐v1
YOLOv5网络
特征加权
-
Keywords
fish individual recognition
key points detection
feature extraction
MobileNet‐v1
YOLOv5 network
feature weighted
-
分类号
TN911.25‐34
[电子电信—通信与信息系统]
TP391.41
[电子电信—信息与通信工程]
-
