多模块融合的浮游生物检测器

摘要：

针对传统海洋浮游生物利用人工提取特征的传统检测方法,存在检测精度低、检测过程冗余等问题,基于深度学习技术,提出了多模块融合的浮游生物检测器(multi module fusion single shot detector,MMFSSD).首先,提出了特征信息增强模块,在不增加网络复杂性的前提下增加了网络的感受野,将下采样图像注入该模块中,以增强特征图的低级特征信息.在此基础上,进一步提出了选择性特征融合模块,在网络中学习融合时的权重,选择性地融合不同尺度的特征.有效性验证试验结果表明,在数据集PASCAL VOC和MS COCO中的平均精度均值分别为80.70％和32.20％,在浮游生物数据集PMID2019中的平均精度均值达到90.41％.

关键词：检测器;浮游生物;深度学习;感受野;低级特征信息

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划项目;国家自然科学基金资助项目;中国博士后科学基金资助项目;辽宁省自然科学基金资助项目;中央高校基本科研业务费资助项目

在线出版日期：2021-12-28（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：727-732