一种基于冗余裁剪的鱼群密度估计算法

摘要：

准确的掌握水域中鱼类的数量对海洋渔业部门了解鱼群密度、种群分布和群体组成等信息具有重要意义,同时还可以为科学捕捞提供重要依据,因此鱼群计数得到了越来越多的关注.但高密度、大尺度变化及高密度遮挡等问题使鱼群计数成为了极具挑战的工作,为提高鱼群计数的准确性,论文提出了一种基于冗余裁剪和多列卷积神经网络的鱼群密度估计算法(FishCount).为了最大限度地减少密度图的误差以提高鱼群计数的准确性,将鱼群图片进行了冗余裁剪,并经过优化后的OSA(One-Shot Aggregation)模块、多列卷积模块和SENet模块后得到最终的密度图,最后得到具体的鱼群数量.为了验证算法的有效性,在DLOU2鱼群数据集上进行了不同类型的仿真实验.大量的实验结果表明,与传统的MCNN方法对比,论文所提算法的MAE值提高了51.49,MSE值分别提高了50.83.

关键词：鱼群密度、卷积网络、深度学习、冗余裁剪、OSA模块

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2864-2868,2911