面向海洋牧场智能化建设的海珍品实时检测方法

摘要：

海珍品检测对海洋牧场的智能化建设至关重要,在实时性和准确性方面仍有待提高.该研究提出一种改进的YOLOv3海珍品检测方法.利用深度可分离卷积替代YOLOv3中的标准卷积,得到一个轻量化网络模型DSC-YOLO(Depthwise Separable Convolution-YOLO);在数据预处理方面,采用图像增强方法UGAN提升海珍品图像清晰度,采用Mosaic数据增广方法丰富数据的多样性.在海珍品数据集上的试验结果显示,相较YOLOv3而言,所提模型大小减少70％,推理时间降低16％,召回率R提高了2.7％,平均准确率提高了2.4％,F1分数提高了0.4％.可见该方法模型小、实时性好,具有部署到移动设备上的潜力.

关键词：深度学习;机器视觉;卷积神经网络;YOLOv3网络;深度可分离卷积;海珍品目标检测

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省自然科学基金项目;大连市高层次人才创新支持计划;辽宁省重点研发计划项目;辽宁省教育厅基金项目

在线出版日期：2021-08-09（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：304-311