期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于FasterYOLOv9-Slim的轻量级工厂化养殖鱼群识别
1
作者
张鑫
于红
+4 位作者
吴子健
程志澳
高陈成
杨宗轶
王悦
《渔业现代化》
北大核心
2025年第1期99-109,共11页
针对计算资源有限的工厂化养殖对鱼群识别精度和速度之间的平衡要求,提出一种基于YOLOv9和FasterNet改进的轻量级养殖鱼群识别模型FasterYOLOv9-Slim。首先在YOLOv9中引入轻量级骨干网络FasterNet以减少模型参数和计算量;其次利用高维...
针对计算资源有限的工厂化养殖对鱼群识别精度和速度之间的平衡要求,提出一种基于YOLOv9和FasterNet改进的轻量级养殖鱼群识别模型FasterYOLOv9-Slim。首先在YOLOv9中引入轻量级骨干网络FasterNet以减少模型参数和计算量;其次利用高维检测头剪枝(HDPrune)降低网络深度以减少干扰信息积累;最后结合改进的特征融合模块FasterRepNCSPELAN4和下采样模块ADown、DownSimper,构建高效的颈部网络(DFA-Neck),增强特征表达同时降低计算需求。为验证所提出算法的有效性,设计了消融试验和对比试验,消融试验结果表明,FasterNet和HDPrune分别在降低参数和减弱干扰信息方面起到有效作用,DFA-Neck在整体网络中有效地协调了两者;对比试验结果显示,FasterYOLOv9-Slim在工厂化养殖红鳍东方鲀数据集上的表现超越了YOLOv7、YOLOv8和YOLOv10系列模型中同等规模的先进识别模型,保证高精度的同时,参数值分别降低了34.14%、64.02%和22.22%。在与ShuffleNet、MobileNet和RepViT等先进轻量级网络的对比中展现出较好的综合性能。研究表明:该方法能够有效平衡模型在计算资源有限的工厂化养殖条件下鱼群识别的精度和速度。
展开更多
关键词
养殖鱼群
YOLOv9
目标识别
模型剪枝
轻量化
在线阅读
下载PDF
职称材料
基于Mel声谱图与改进SEResNet的鱼类行为识别
被引量：
4
2
作者
杨雨欣
于红
+3 位作者
杨宗轶
涂万
张鑫
林远山
《渔业现代化》
CSCD
北大核心
2024年第1期56-63,共8页
养殖环境中饲料投放、水流变化等刺激源导致鱼类声音分辨难,使行为识别准确率不高,为解决上述问题,提出基于Mel声谱图(Mel spectrogram)与改进SEResNet的鱼类行为识别模型TAP-SEResNet。首先针对鱼类行为声音频率波动大、特征差异小,造...
养殖环境中饲料投放、水流变化等刺激源导致鱼类声音分辨难,使行为识别准确率不高,为解决上述问题,提出基于Mel声谱图(Mel spectrogram)与改进SEResNet的鱼类行为识别模型TAP-SEResNet。首先针对鱼类行为声音频率波动大、特征差异小,造成特征提取难的问题,采用高分辨率、特征表示较好的Mel声谱图以捕捉鱼类声音的频谱特征。其次针对鱼类声音特征关键信息易丢失的难题,提出在SEResNet模型中融合时序聚合池化层(Temporal Aggregated Pooling,TAP),提取池化区域的最大值和平均值,保留鱼类行为更多细粒度声音特征,提高识别准确率。为验证所提模型的有效性,分别设计了消融试验和模型性能对比试验,试验结果显示:TAP-SEResNet相比SEResNet在不降低检测速度的条件下准确率提升了3.23%;相比PANNS-CNN14、ECAPA-TDNN及MFCC+ResNet等先进声音识别模型,TAP-SEResNet在准确率上分别提升了5.32%、2.80%和1.64%。所提模型有助于养殖过程中对鱼类行为实现精准监测,对精准养殖具有重要的推动作用。
展开更多
关键词
鱼类行为识别
被动水声信号
Mel声谱图
SEResNet
在线阅读
下载PDF
职称材料
基于通道非降维与空间协调注意力的改进YOLOv8养殖鱼群检测
被引量：
16
3
作者
涂万
于红
+6 位作者
张鹏
韦思学
张鑫
杨宗轶
吴俊峰
林远山
胡泽元
《大连海洋大学学报》
CAS
CSCD
北大核心
2023年第4期717-725,共9页
为解决真实养殖环境中因鱼群模糊、遮挡造成的鱼类目标检测困难等问题,采用基于通道非降维与空间协调注意力ECAM(efficient coordination attention module)的改进YOLOv8养殖鱼群检测方法YOLOv8-Head-ECAM以提高检测精度。首先在FPN(fea...
为解决真实养殖环境中因鱼群模糊、遮挡造成的鱼类目标检测困难等问题,采用基于通道非降维与空间协调注意力ECAM(efficient coordination attention module)的改进YOLOv8养殖鱼群检测方法YOLOv8-Head-ECAM以提高检测精度。首先在FPN(feature pyramid network)中增加大尺寸检测头,更好地捕捉水下鱼类个体的细节信息,以加强对鱼群特征的提取能力,然后使用ECAM注意力机制减少模糊背景的干扰,聚焦鱼类个体的关键特征,以加强对模糊鱼群的识别能力,并设计了消融试验和模型对比试验以验证算法的有效性。结果表明:相比于YOLOv8,YOLOv8-Head-ECAM模型的准确率、召回率和平均精度均值分别提高了2.3%、1.7%和1.6%;与目前检测准确率较高的养殖鱼群检测模型KAYOLO、DCM-ATM-YOLOv5、SK-YOLOv5和ESB-YOLO相比,平均精度均值分别提高了0.7%、1.0%、2.4%和2.0%。研究表明,本文中提出的YOLOv8-Head-ECAM模型能够较好地适应水下鱼群模糊、遮挡的情况,提高了鱼群检测的有效性。
展开更多
关键词
注意力机制
YOLOv8
特征提取
鱼群检测
计算机视觉
在线阅读
下载PDF
职称材料
题名
基于FasterYOLOv9-Slim的轻量级工厂化养殖鱼群识别
1
作者
张鑫
于红
吴子健
程志澳
高陈成
杨宗轶
王悦
机构
大连海洋大学信息工程学院
出处
《渔业现代化》
北大核心
2025年第1期99-109,共11页
基金
辽宁省重点科技项目(2023JH26/10200015)
国家自然科学基金(62406052)
+2 种基金
辽宁省自然科学基金计划博士科研启动项目(2024-BS-214)
辽宁省教育厅基本科研项目(LJ212410158022)
辽宁省属本科高校基本科研业务费专项资金资助(2024JBQNZ011)。
文摘
针对计算资源有限的工厂化养殖对鱼群识别精度和速度之间的平衡要求,提出一种基于YOLOv9和FasterNet改进的轻量级养殖鱼群识别模型FasterYOLOv9-Slim。首先在YOLOv9中引入轻量级骨干网络FasterNet以减少模型参数和计算量;其次利用高维检测头剪枝(HDPrune)降低网络深度以减少干扰信息积累;最后结合改进的特征融合模块FasterRepNCSPELAN4和下采样模块ADown、DownSimper,构建高效的颈部网络(DFA-Neck),增强特征表达同时降低计算需求。为验证所提出算法的有效性,设计了消融试验和对比试验,消融试验结果表明,FasterNet和HDPrune分别在降低参数和减弱干扰信息方面起到有效作用,DFA-Neck在整体网络中有效地协调了两者;对比试验结果显示,FasterYOLOv9-Slim在工厂化养殖红鳍东方鲀数据集上的表现超越了YOLOv7、YOLOv8和YOLOv10系列模型中同等规模的先进识别模型,保证高精度的同时,参数值分别降低了34.14%、64.02%和22.22%。在与ShuffleNet、MobileNet和RepViT等先进轻量级网络的对比中展现出较好的综合性能。研究表明:该方法能够有效平衡模型在计算资源有限的工厂化养殖条件下鱼群识别的精度和速度。
关键词
养殖鱼群
YOLOv9
目标识别
模型剪枝
轻量化
Keywords
fish farming
YOLOv9
object recognition
model pruning
lightweighting
分类号
S932.2 [农业科学—渔业资源]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于Mel声谱图与改进SEResNet的鱼类行为识别
被引量：
4
2
作者
杨雨欣
于红
杨宗轶
涂万
张鑫
林远山
机构
大连海洋大学信息工程学院
大连市智慧渔业重点实验室
设施渔业教育部重点实验室(大连海洋大学)
辽宁省海洋信息技术重点实验室
出处
《渔业现代化》
CSCD
北大核心
2024年第1期56-63,共8页
基金
辽宁省教育厅重点科研项目“面向鱼类行为分析的声音与视觉特征融合关键技术研究(LJKZ0729)”
国家自然科学基金项目“水下实时背景下鱼类精准识别新方法研究:融合VSM和DELM(31972846)”
设施渔业教育部重点实验室开放课题“基于鱼类骨架和轨迹特征的异常行为识别方法研究(202313)”。
文摘
养殖环境中饲料投放、水流变化等刺激源导致鱼类声音分辨难,使行为识别准确率不高,为解决上述问题,提出基于Mel声谱图(Mel spectrogram)与改进SEResNet的鱼类行为识别模型TAP-SEResNet。首先针对鱼类行为声音频率波动大、特征差异小,造成特征提取难的问题,采用高分辨率、特征表示较好的Mel声谱图以捕捉鱼类声音的频谱特征。其次针对鱼类声音特征关键信息易丢失的难题,提出在SEResNet模型中融合时序聚合池化层(Temporal Aggregated Pooling,TAP),提取池化区域的最大值和平均值,保留鱼类行为更多细粒度声音特征,提高识别准确率。为验证所提模型的有效性,分别设计了消融试验和模型性能对比试验,试验结果显示:TAP-SEResNet相比SEResNet在不降低检测速度的条件下准确率提升了3.23%;相比PANNS-CNN14、ECAPA-TDNN及MFCC+ResNet等先进声音识别模型,TAP-SEResNet在准确率上分别提升了5.32%、2.80%和1.64%。所提模型有助于养殖过程中对鱼类行为实现精准监测,对精准养殖具有重要的推动作用。
关键词
鱼类行为识别
被动水声信号
Mel声谱图
SEResNet
Keywords
fish behavior recognition
passive underwater acoustic signal
Mel spectrogram
SEResNet
分类号
S932.2 [农业科学—渔业资源]
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于通道非降维与空间协调注意力的改进YOLOv8养殖鱼群检测
被引量：
16
3
作者
涂万
于红
张鹏
韦思学
张鑫
杨宗轶
吴俊峰
林远山
胡泽元
机构
大连海洋大学信息工程学院
设施渔业教育部重点实验室(大连海洋大学)
出处
《大连海洋大学学报》
CAS
CSCD
北大核心
2023年第4期717-725,共9页
基金
辽宁省教育厅重点科研项目(LJKZ0729)
国家自然科学基金(31972846)
设施渔业教育部重点实验室(大连海洋大学)开放课题(202313)。
文摘
为解决真实养殖环境中因鱼群模糊、遮挡造成的鱼类目标检测困难等问题,采用基于通道非降维与空间协调注意力ECAM(efficient coordination attention module)的改进YOLOv8养殖鱼群检测方法YOLOv8-Head-ECAM以提高检测精度。首先在FPN(feature pyramid network)中增加大尺寸检测头,更好地捕捉水下鱼类个体的细节信息,以加强对鱼群特征的提取能力,然后使用ECAM注意力机制减少模糊背景的干扰,聚焦鱼类个体的关键特征,以加强对模糊鱼群的识别能力,并设计了消融试验和模型对比试验以验证算法的有效性。结果表明:相比于YOLOv8,YOLOv8-Head-ECAM模型的准确率、召回率和平均精度均值分别提高了2.3%、1.7%和1.6%;与目前检测准确率较高的养殖鱼群检测模型KAYOLO、DCM-ATM-YOLOv5、SK-YOLOv5和ESB-YOLO相比,平均精度均值分别提高了0.7%、1.0%、2.4%和2.0%。研究表明,本文中提出的YOLOv8-Head-ECAM模型能够较好地适应水下鱼群模糊、遮挡的情况,提高了鱼群检测的有效性。
关键词
注意力机制
YOLOv8
特征提取
鱼群检测
计算机视觉
Keywords
attention mechanism
YOLOv8
feature extraction
fish detection
computer vision
分类号
S932.2 [农业科学—渔业资源]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于FasterYOLOv9-Slim的轻量级工厂化养殖鱼群识别
张鑫
于红
吴子健
程志澳
高陈成
杨宗轶
王悦
《渔业现代化》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于Mel声谱图与改进SEResNet的鱼类行为识别
杨雨欣
于红
杨宗轶
涂万
张鑫
林远山
《渔业现代化》
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
3
基于通道非降维与空间协调注意力的改进YOLOv8养殖鱼群检测
涂万
于红
张鹏
韦思学
张鑫
杨宗轶
吴俊峰
林远山
胡泽元
《大连海洋大学学报》
CAS
CSCD
北大核心
2023
16
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
