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
1
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
基于改进YOLOv8的渔港船舶进出港目标检测与统计方法
被引量：
1
1
作者
惠卓凡
李鹏龙
+3 位作者
沈烈
沈辉
隋江华
张胜茂
《大连海洋大学学报》
CAS
CSCD
北大核心
2024年第3期498-505,共8页
为减轻渔港执法人员在渔船进出港统计工作中的压力,提出了一种基于改进YOLOv8模型的渔港船舶进出港目标检测与统计模型YOLOv8n-Bi-FPN-EMA,该模型采用加权双向特征金字塔网络结构(Bi-FPN),引入高效多尺度注意模块(EMA)以提高模型的目标...
为减轻渔港执法人员在渔船进出港统计工作中的压力,提出了一种基于改进YOLOv8模型的渔港船舶进出港目标检测与统计模型YOLOv8n-Bi-FPN-EMA,该模型采用加权双向特征金字塔网络结构(Bi-FPN),引入高效多尺度注意模块(EMA)以提高模型的目标检测准确性和稳定性,并结合BoT-SORT跟踪算法实现对不同类型船舶进出渔港的分类统计。结果表明:与YOLOv8n模型相比,YOLOv8n-Bi-FPN-EMA模型的准确率提高了5.0%,mAP@0.5提高了0.2%,对执法船、拖船和渔船的识别准确率分别提高了9.9%、4.9%、0.3%。其中,对渔船的识别准确率为99.1%,召回率为84.4%,mAP@0.5为97.8%。研究表明,YOLOv8n-Bi-FPN-EMA模型在渔船识别上有较好的表现,可用于渔船识别与进出港统计的辅助工作。
展开更多
关键词
深度学习
目标检测
YOLOv8
渔船识别
进出港统计
伏渔季管理
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv8的渔港船舶进出港目标检测与统计方法
被引量：
1
1
作者
惠卓凡
李鹏龙
沈烈
沈辉
隋江华
张胜茂
机构
大连海洋大学航海与船舶工程学院
中国水产科学研究院东海水产研究所农业农村部渔业遥感重点试验室
辽宁省海洋与渔业行政执法总队
出处
《大连海洋大学学报》
CAS
CSCD
北大核心
2024年第3期498-505,共8页
基金
国家自然科学基金(61936014)。
文摘
为减轻渔港执法人员在渔船进出港统计工作中的压力,提出了一种基于改进YOLOv8模型的渔港船舶进出港目标检测与统计模型YOLOv8n-Bi-FPN-EMA,该模型采用加权双向特征金字塔网络结构(Bi-FPN),引入高效多尺度注意模块(EMA)以提高模型的目标检测准确性和稳定性,并结合BoT-SORT跟踪算法实现对不同类型船舶进出渔港的分类统计。结果表明:与YOLOv8n模型相比,YOLOv8n-Bi-FPN-EMA模型的准确率提高了5.0%,mAP@0.5提高了0.2%,对执法船、拖船和渔船的识别准确率分别提高了9.9%、4.9%、0.3%。其中,对渔船的识别准确率为99.1%,召回率为84.4%,mAP@0.5为97.8%。研究表明,YOLOv8n-Bi-FPN-EMA模型在渔船识别上有较好的表现,可用于渔船识别与进出港统计的辅助工作。
关键词
深度学习
目标检测
YOLOv8
渔船识别
进出港统计
伏渔季管理
Keywords
deep learning
object detection
YOLOv8
identification of fishing vessel
inbound and outbound statistics port entry and exit statistics.
management of the fishing season
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
S981.1 [农业科学—捕捞与储运]
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
基于改进YOLOv8的渔港船舶进出港目标检测与统计方法
惠卓凡
李鹏龙
沈烈
沈辉
隋江华
张胜茂
《大连海洋大学学报》
CAS
CSCD
北大核心
2024
1
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
