一种融合CBAM注意力机制和金字塔卷积的经济鱼类识别方法

摘要：

海洋经济鱼类图像资源相对较少,导致神经网络训练效果较差,难以对海洋经济鱼类形成有效监管.通过网络抓取并通过数据增广增加图像数量,以ResNet50为基础网络框架,引入卷积块模块注意力机制(CBAM)并且将基础网络中普通卷积替换成金字塔卷积(PyConv).利用该模型对比目鱼、马鲛鱼、鲻鱼、海鲈鱼、黑鲷鱼和金枪鱼6种常见的海洋经济鱼类进行分类识别,实验结果表明,对于比目鱼、(鯔)鱼、海鲈鱼和金枪鱼的分类精确率达到了 100％,对于马鲛鱼的分类精确率为98.4％,黑鲷鱼的分类精确率为98.3％.实验证明改进后的模型具有较高的识别精度.

关键词：经济鱼类、注意力机制、金字塔卷积、鱼类分类

所属期刊栏目：32

分类号：TP274.4(自动化技术及设备)

在线出版日期：2023-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：73-80