基于YOLOv3的水下鱼类目标的检测与识别

发布时间：2022-10-09 13:02

　　鱼类的检测与识别,对水产养殖管理、水域环境监控、渔业资源研究等领域有着重要研究意义及价值。传统的鱼类检测与识别主要利用人工设计特征和机器学习分类器结合的方式,而人工特征存在着特征提取困难、缺乏通用性、非常耗时等缺陷。近年来,深度学习在图像分类领域取得了巨大成就,有效地提升了图像检测与识别的精度,由于深度学习具备有自主学习的能力,并且检测与识别的准确率高、鲁棒性强。目前,YOLOv3算法在目标检测领域展现出了良好的性能,得到了学术界和工业界的广泛关注。因此,本文提出了一种基于YOLOv3算法的水下鱼类目标的检测与识别模型。本文的主要研究工作如下:（1）针对YOLOv3算法多尺度检测下不同尺度特征之间的不一致性的问题,研究采用自适应空间特征融合（Adaptively Spatial Feature Fusion,ASFF）方法,在空间上过滤冲突信息来抑制不一致性。对于某一层的特征,首先将其它层的特征整合并调整为相同分辨率,然后通过训练,自适应地学习各尺度特征映射的融合空间权重以找到最佳融合方式。另外,针对YOLOv3算法先验框的生成方法K-means聚类结果不稳定的问题,通过采用更先进的聚... 

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究目的与意义
    1.2 国内外研究现状
        1.2.1 目标检测方法
        1.2.2 水下目标检测方法
    1.3 主要存在问题
    1.4 论文研究内容与技术路线
        1.4.1 研究内容
        1.4.2 技术路线
    1.5 论文组织结构
第二章 相关知识
    2.1 YOLOv3模型
        2.1.1 特征提取网络
        2.1.2 边界框预测
        2.1.3 多尺度检测
    2.2 相关数据
    2.3 目标检测评价指标
        2.3.1 Precision和 Recall
        2.3.2 mAP
    2.4 本章小结
第三章 基于改进YOLOv3的鱼类检测模型
    3.1 自适应空间特征融合
    3.2 先验框生成方法设计
        3.2.1 K-means++聚类算法
        3.2.2 基于K-means++算法生成先验框
    3.3 实验与分析
        3.3.1 数据集描述
        3.3.2 实验环境介绍
        3.3.3 实验参数设置
        3.3.4 网络训练
        3.3.5 实验结果分析
    3.4 本章小结
第四章 改进损失函数的鱼类检测模型
    4.1 损失函数的分析与设计
        4.1.1 CIOU介绍
        4.1.2 损失函数设计
    4.2 增加SPP模块
        4.2.1 SPP模块介绍
        4.2.2 引入SPP模块
    4.3 实验与分析
        4.3.1 网络训练
        4.3.2 实验结果分析
    4.4 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 研究展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]基于鱼体背部弯曲潜能算法的四种主养鱼类识别[J]. 吴健辉,张晓飞,杨敏,王锦萍,谭志豪.  淡水渔业. 2016(04)
[2]基于融合显著图与GrabCut算法的水下海参图像分割[J]. 郭传鑫,李振波,乔曦,李晨,岳峻.  农业机械学报. 2015(S1)
[3]基于偏振特征的水下目标检测[J]. 马伟英.  电子测量技术. 2014(12)
[4]基于蜂群优化多核支持向量机的淡水鱼种类识别[J]. 吴一全,殷骏,戴一冕,袁永明.  农业工程学报. 2014(16)
[5]基于注意机制的水下目标检测方法[J]. 董欣.  计算机与现代化. 2013(05)
[6]基于机器视觉技术淡水鱼品种在线识别装置设计[J]. 万鹏,潘海兵,龙长江,陈红.  食品与机械. 2012(06)
[7]基于机器视觉技术的淡水鱼质量分级[J]. 张志强,牛智有,赵思明,余佳佳.  农业工程学报. 2011(02)
[8]基于改进粒子群优化算法和模糊熵水下图像分割[J]. 李涛,唐旭东,庞永杰.  海洋工程. 2010(02)
[9]基于灰度-梯度不变矩的水下目标识别系统[J]. 张铭钧,尚云超,杨杰.  哈尔滨工程大学学报. 2009(06)
[10]基于不变性特征的水下目标特征提取[J]. 冯占国,徐玉如.  哈尔滨工程大学学报. 2007(12)

博士论文
[1]基于水下机器视觉的海参实时识别研究[D]. 乔曦.中国农业大学 2017



本文编号：3688684