改进的Faster R-CNN海洋鱼类检测模型

摘要：

为提高海洋鱼类检测的准确率,提出一种基于FasterR-CNN的海洋鱼类检测方法.首先,利用迁移学习方法训练Faster R-CNN网络,克服海洋鱼类样本集有限的限制;其次,增加颈部连接层,使用双向特征金字塔网络(BiFPN)进行特征融合,得到具有丰富位置信息和语义信息的融合特征图;再次,将卷积层输出的特征矩阵作外积相乘运算,提高对相似海洋鱼类的识别精度;最后,结合Mask R-CNN中的ROI Align方法对预测位置进行二次修正,使检测框更加准确.实验结果表明,在检测海洋鱼类数据集时,与原始的Faster R-CNN算法相比,改进后的Faster R-CNN检测模型的平均准确度均值提高了 7.4％.

关键词：Faster R-CNN、海洋鱼类检测、特征融合、ROI Align

所属期刊栏目：36

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：562-568