期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合VoVNetv2和置换注意力机制的鱼群摄食图像分割方法
1
作者 王鹤榕 陈英义 +2 位作者 柴莹倩 徐玲 于辉辉 《智慧农业（中英文）》 CSCD 2023年第4期137-149,共13页
[目的/意义]鱼群摄食图像分割是提取鱼群分布特征及量化鱼群摄食行为的前提条件。但在实际的养殖环境中,由于鱼群摄食图像存在鱼群边界模糊、目标相似等问题,使得处于养殖场景下的鱼群摄食图像分割成为难题。[方法]为解决上述问题,提出... [目的/意义]鱼群摄食图像分割是提取鱼群分布特征及量化鱼群摄食行为的前提条件。但在实际的养殖环境中,由于鱼群摄食图像存在鱼群边界模糊、目标相似等问题,使得处于养殖场景下的鱼群摄食图像分割成为难题。[方法]为解决上述问题,提出一种用于养殖场景下鱼群摄食图像分割方法。该方法首先通过数据清洗减少因鱼群边界模糊等问题导致的数据集不良标记问题,并在Mask R-CNN (Mask Region-based Convolutional Neural Network)的基础上使用融合置换注意力机制的轻量级神经网络Vo VNetv2作为骨干网络,建立鱼群摄食图像实例分割网络SA_Vo VNetv2_RCNN,提升模型对鱼群关键特征的提取能力以及对重点信息的关注能力,同时减少网络参数。[结果和讨论]该方法的平均分割精度达71.014%,相比于SOLOv2、Blend Mask和Cond Inst分别提升18.258%、3.982%和12.068%。为进一步验证模型对鱼群摄食行为量化的有效性,对真实环境下的鱼群进行验证实验,结果表明,模型对摄食和非摄食状态的鱼群具有良好的分割效果,在一定程度上解决了因分割精度低导致的鱼群摄食行为量化错误的问题。[结论]本研究提出的SA_Vo VNetv2_RCNN网络能够实现鱼群摄食和非摄食图像的准确分割,为水下鱼群的摄食行为量化提供决策支撑。 展开更多
关键词 深度学习 实例分割 Mask R-CNN 注意力机制 vovnetv2
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部