基于改进的Yolov8商业渔船电子监控数据中鱼类的检测与识别

摘要：

为解决传统商业渔船电子监控数据中鱼类检测与识别任务人工成本高、工作量大等问题,采用基于改进的Yolov8 商业渔船电子监控数据中鱼类的检测与识别方法,其中,主干网使用GCBlock结构对远程依赖关系建模,以增加特征提取能力;Neck端使用GSConv新型卷积方式,以减少模型计算量;使用SIOU损失函数解决CIOU损失函数的局限性,以提升模型检测精度.结果表明:提出的Yolov8n-GCBlock-GSConv模型在FishNet数据集不同标签L1 和L2 上的mAP@0.5 为 43.6%和 52.7%,相比原Yolov8n模型分别提高了 2.0%和 4.3%,计算量为 7.7 GFLOPS,比原模型降低了 0.5 GFLOPS.研究表明,本研究中提出的Yolov8n-GCBlock-GSConv模型能以更低的成本,快速准确地完成商业渔船电子监控数据中鱼类的检测与识别.

关键词：Yolov8、商业渔船、目标检测、目标识别、网络优化

所属期刊栏目：38

分类号：S977;TP391.4(水产捕捞)

资助基金：国家自然科学基金41776142

在线出版日期：2023-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：533-542