鱼类目标的密度估计模型

发布时间：2021-10-05 00:44

　　为解决现有鱼类计数方法适用范围有限的问题,本文提出一种基于深度学习的密度图估计方法。依据人群密度估计方法,创建了鱼群密度估计数据集,并针对人群密度估计网络中使用空洞卷积产生的"网格效应",提出将空洞卷积替换为混合空洞卷积,建立了端到端的鱼群密度估计网络。分别在鱼类密度估计数据集和人群密度估计数据集ShanghaiTech上验证了密度估计网络的估计结果。实验结果表明:在鱼群密度估计数据集上,和其他密度估计网络相比,鱼群密度估计网络在MAE、MSE、PSNR、SSIM的评价中均取得最优评价;在人群密度估计数据集ShanghaiTech上,鱼群密度估计网络的密度估计结果在MAE、MSE、PSNR、SSIM的评价中均取得最优或次优结果。 

【文章来源】：哈尔滨工程大学学报. 2020,41(10)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
1 鱼类密度估计网络
    1.1 混合空洞卷积
        1.1.1 卷积层
        1.1.2 空洞卷积
        1.1.3 混合空洞卷积
        1.1.4 网络结构
2 实验与结果
    2.1 创建鱼类密度估计数据集
    2.2 模型训练
    2.3 鱼类数据集密度估计结果
    2.4 ShanghaiTech密度估计结果
        2.4.1 ShanghaiTech Part_A密度估计结果
        2.4.2 ShanghaiTech Part_B密度估计结果
3 结论


【参考文献】：
期刊论文
[1]基于机器视觉跟踪的计数算法[J]. 郭俊,郑堤,陈俊华,刘年福.  传感器与微系统. 2018(02)
[2]全自动点苗分装器装置的研究[J]. 吴丛迪,姜莺颖,徐灿,兰燕月,金仕容,韩任琳云.  装备制造技术. 2017(03)
[3]基于计算机视觉的鱼苗自动计数系统研究[J]. 王文静,徐建瑜,杜秋菊.  渔业现代化. 2016(03)
[4]基于图像处理的鱼苗计数方法[J]. 黄玲,胡波,曹乃文.  湖北农业科学. 2012(09)
[5]一种基于机器视觉的鱼苗自动计数方法[J]. 朱从容.  渔业现代化. 2009(02)
[6]图像识别技术在鱼苗计数方面的研究与实现[J]. 范嵩,刘娇,杨轶.  水产科学. 2008(04)



本文编号：3418661