-
题名基于改进YOLOv8的养殖鱼群检测与计数方法
- 1
-
-
作者
王梁
杨钧兰
卢鹤萦
赵海珠
-
机构
梧州学院电子与信息工程学院/广西机器视觉与智能控制重点实验室
-
出处
《农机化研究》
北大核心
2026年第4期165-173,共9页
-
基金
梧州市科技发展项目(202302032)
广西高校中青年教师基础研究能力提升项目(2024KY0689)
大学生创新创业项目(s202411354201,s202411354175)。
-
文摘
为实现不同类型鱼群的快速检测与精准计数,针对实际养殖环境下鱼种类繁多、水下能见度低、鱼群个体之间相互遮挡等问题,设计了一种基于YOLOv8的养殖鱼群检测与计数方法。以YOLOv8网络为基础框架,首先在主干网络中添加通道注意力机制SE(Squeeze-and-Exciation)模块,用于特征提取阶段,帮助模型通过通道注意力更好地识别鱼群的特征;然后在深层和检测头部分添加混合注意力机制CBAM(Convolutional Block Attention Module)模块,利用空间和通道注意力帮助模型精确定位鱼群和识别复杂背景下的鱼群形状;接着使用注意力引导的上下文特征金字塔网络AC-FPN(Attention-guided Context Feature Pyramid Network)结构替换YOLOv8的FPN结构,相较于YOLOv8原来的FPN结构,AC-FPN融合多尺度上下文信息并利用注意力引导特征聚合,增强模型对小目标鱼群的检测精度;最后添加DeepSort来对鱼群进行追踪、计数。试验结果表明:改进后的模型与原模型相比,识别精确率和平均精度分别提升了2.7%和4.6%,明显减少了误检和漏检,且在多种鱼类密集混合场景中表现优异。与CP-Faster-RCNN与ESB-YOLO等模型相比,本研究所建立的模型对养殖鱼群检测更优,为鱼群养殖业的智能化管理提供了新的思路与方法,有助于推动水产养殖的现代化进程。
-
关键词
水产养殖
鱼群检测与计数
YOLOv8
注意力机制
ac-fpn
-
Keywords
aquaculture
fish detection and counting
YOLOv8
attention mechanism
ac-fpn
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双目视觉的三维车辆检测算法
被引量：1
- 2
-
-
作者
陶洋
汤新玲
-
机构
重庆邮电大学通信与信息工程学院
-
出处
《微电子学与计算机》
2024年第5期40-48,共9页
-
文摘
在自动驾驶中,车辆的三维目标检测是一项重要的场景理解任务。相比于昂贵的雷达设备,借助双目设备的三维目标检测方法有成本低定位准确的特点。基于立体区域卷积神经网络(Stereo RCNN)提出了一种用于双目视觉的三维目标检测OC-3DNet算法,有效地提高了检测精度。针对特征提取高分辨率与感受野的矛盾,结合特征提取网络与注意力引导特征金字塔(AC-FPN),有效地提高了算法对小目标的检测精度。针对三维中心投影检测误差大的问题,建立了一种新的三维中心投影与二维中心的约束关系,进一步提升了三维目标检测的精度。实验结果表明,改进后的OC-3DNet算法在以0.7为阈值的三维目标检测上平均精度为43%,较Stereo R-CNN三维目标检测的平均精度提升了约3%。
-
关键词
双目视觉
三维目标检测
ac-fpn
三维中心点预测
-
Keywords
binocular vision
3D target detection
ac-fpn
prediction of 3D center
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于GA-RetinaNet的水下目标检测
被引量：7
- 3
-
-
作者
袁明阳
宋亚林
张潮
沈兴盛
李世昌
-
机构
河南大学软件学院
-
出处
《计算机系统应用》
2023年第6期80-90,共11页
-
基金
河南省科技研发项目(212102210078)
河南省重大科技专项(201300210400)
河南省重点研发与推广专项(科技攻关)(202102210380)。
-
文摘
水下目标自动检测方法对海洋智能捕捞工作发挥着重要作用,针对现有目标检测方法存在的对水下生物检测精度不高问题,提出了一种GA-RetinaNet算法的水下目标检测方法.首先,针对水下图像存在密集目标的特点,通过引入分组卷积替换普通卷积,在不增加参数复杂度的基础上得到更多特征图,提高模型的检测精度;其次,根据水下生物多为小目标生物的特点,引入上下文特征金字塔模块(AC-FPN),利用上下文提取模块保证高分辨率输入的同时获得多个感受野,提取到更多上下文信息,并通过上下文注意力模块和内容注意力模块从中捕获有用特征,准确定位到目标位置.实验结果显示,选用URPC2021数据集进行实验,改进的GA-RetinaNet算法比原算法检测精度提高了2.3%.相比其他主流模型,该算法对不同类型的水下目标均获得了较好的检测结果,检测精度有较大提升.
-
关键词
目标检测
水下图像
RetinaNet
分组卷积
ac-fpn
-
Keywords
object detection
underwater images
RetinaNet
group convolution
attention-guided context feature pyramid network(ac-fpn)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLACT的堆叠零件实例分割算法
- 4
-
-
作者
张笑尘
晁永生
李豪玉
周方圆
李学玮
王传钊
-
机构
新疆大学智能制造现代产业学院
-
出处
《组合机床与自动化加工技术》
北大核心
2024年第12期35-40,共6页
-
基金
国家自然科学基金项目(52365065)。
-
文摘
为了解决堆叠环境下零件实例分割精度差的问题,提出了一种改进YOLACT算法。通过在主干网络中C3和C4层引入多级特征融合与通道注意力机制模块(MLCA),优化了特征提取的精度。为了在保证图像同时获取多感受野信息,采用上下文特征金字塔模块(AC-FPN)结构替代传统FPN金字塔,获取更多感受野,以准确完成预测。通过自制堆叠零件数据集完成网络训练与实验。对比实验表明,改进后的YOLACT算法在未明显提升运行时间的基础上,相较原算法表现出更优的检测与分割效果。
-
关键词
堆叠零件
实例分割
YOLACT
MLCA
ac-fpn
-
Keywords
cluttered parts
instance segmentation
YOLACT
MLCA
ac-fpn
-
分类号
TH164
[机械工程—机械制造及自动化]
TG65
[金属学及工艺—金属切削加工及机床]
-
