準(zhǔn)確的掌握水域中魚類的數(shù)量對(duì)海洋漁業(yè)部門了解魚群密度、種群分布和群體組成等信息具有重要意義,同時(shí)還可以為科學(xué)捕撈提供重要依據(jù),因此魚群計(jì)數(shù)得到了越來(lái)越多的關(guān)注。但高密度、大尺度變化及高密度遮擋等問(wèn)題使魚群計(jì)數(shù)成為了極具挑戰(zhàn)的工作,為提高魚群計(jì)數(shù)的準(zhǔn)確性,論文提出了一種基于冗余裁剪和多列卷積神經(jīng)網(wǎng)絡(luò)的魚群密度估計(jì)算法(FishCount)。為了最大限度地減少密度圖的誤差以提高魚群計(jì)數(shù)的準(zhǔn)確性,將魚群圖片進(jìn)行了冗余裁剪,并經(jīng)過(guò)優(yōu)化后的OSA(One-Shot Aggregation)模塊、多列卷積模塊和SENet模塊后得到最終的密度圖,最后得到具體的魚群數(shù)量。為了驗(yàn)證算法的有效性,在DLOU2魚群數(shù)據(jù)集上進(jìn)行了不同類型的仿真實(shí)驗(yàn)。大量的實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的MCNN方法對(duì)比,論文所提算法的MAE值提高了51.49,MSE值分別提高了50.83。

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖5DLOU2數(shù)據(jù)集的圖像數(shù)量分布（其中大部分圖片的魚群數(shù)量集中在500～1000條）4.3訓(xùn)練

，MSE）。用MAE評(píng)估算法的準(zhǔn)確性，MSE評(píng)估算法的穩(wěn)健性。其定義如下：MAE=1N1Nz||i-zi（5）MSE=1N1N(zi-zi)2（6）其中N是測(cè)試圖像的數(shù)量，zi是第i個(gè)圖像中的真實(shí)魚數(shù)，zi是第i個(gè)圖像中的估計(jì)魚數(shù)。4.2DLOU2數(shù)據(jù)集由于現(xiàn)有的數(shù)據(jù)集中的魚群密....

圖3-1FishCount-v1的網(wǎng)絡(luò)結(jié)構(gòu)

第三章基于冗余裁剪的高密度魚群密度估計(jì)算法15第三章基于冗余裁剪的高密度魚群密度估計(jì)算法3.1引言在目前的基于計(jì)算機(jī)視覺(jué)的魚群計(jì)數(shù)算法中，主要通過(guò)學(xué)習(xí)魚體的整體特征來(lái)檢測(cè)魚群數(shù)量，雖在一定程度上提高了計(jì)數(shù)的準(zhǔn)確性，但這種計(jì)數(shù)方法僅限于魚群本身密度較小且魚體之間不存在較大的遮擋的水....

圖3-13部分魚群

第三章基于冗余裁剪的高密度魚群密度估計(jì)算法263.5.6魚群密度圖的部分可視化a)b)c)d)e)f)g)h)i)j)k)l)圖3-13部分魚群數(shù)據(jù)集的密度圖Fig.3-13Thedensityimagesofsomefishdatasets部分魚群數(shù)據(jù)集的密度圖如圖3-13所示....

圖3-13部分魚群數(shù)據(jù)集的密度圖

第三章基于冗余裁剪的高密度魚群密度估計(jì)算法263.5.6魚群密度圖的部分可視化a)b)c)d)e)f)g)h)i)j)k)l)圖3-13部分魚群數(shù)據(jù)集的密度圖Fig.3-13Thedensityimagesofsomefishdatasets部分魚群數(shù)據(jù)集的密度圖如圖3-13所示....

本文編號(hào)：4028339