10.3969/j.issn.2096-8248.2023.01.009
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
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.
经济鱼类、注意力机制、金字塔卷积、鱼类分类
32
TP274.4(自动化技术及设备)
2023-06-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
73-80