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
融合协同注意力机制与Transformer模型的鱼类异常行为多任务识别
1
作者
张艺爔
胡泽元
+4 位作者
左宇琪
贾松怡
刘吉航
陶红希
于红
《广东海洋大学学报》
北大核心
2025年第1期124-133,共10页
【目的】解决暗光、浑浊和高密度养殖环境下,对于单任务鱼类异常行为识别精确度不高以及相似性鱼类异常行为难以准确识别的问题。【方法】提出一种多任务学习情况下鱼类异常行为及其姿态估计研究框架,命名为PD-DETR。通过Transformer架...
【目的】解决暗光、浑浊和高密度养殖环境下,对于单任务鱼类异常行为识别精确度不高以及相似性鱼类异常行为难以准确识别的问题。【方法】提出一种多任务学习情况下鱼类异常行为及其姿态估计研究框架,命名为PD-DETR。通过Transformer架构实现端到端推理,平衡不同任务的损失权重,优化梯度冲突。通过自注意力编码器和协同注意力(SCSA)特征融合网络(SCSA-FPN),计算单鱼行为与鱼群行为的权重,平衡鱼群行为对个体行为的影响,降低相似性行为特征丢失。设计消融实验和模型对比实验,以证算法的有效性。【结果】PD-DETR在红鳍东方鲀(Takifugu rubripes)异常行为数据集上的识别精确率和平均精度分别达到95.1%和93.6%,较YOLOv11-det提升0.9%和0.3%;游动姿态估计精确率和平均精度分别达到91.2%和90.8%,较RT-DETR相比分别提升3.9%和4.4%;在多任务学习情况下异常识别任务和游动姿态估计任务的平均精度较单任务学习提升1.2%和1.7%。【结论】多任务学习网络PD-DETR实现了暗光、浑浊水质环境中的鱼类异常行为识别与游动姿态分析,有助于提高养殖效率,保障鱼类健康。
展开更多
关键词
鱼类异常行为
姿态估计
多任务学习
多任务梯度协调
Transformer模型
在线阅读
下载PDF
职称材料
基于LightGBM模型的鱼类异常行为检测
被引量：
8
2
作者
袁红春
王丹
+2 位作者
陈冠奇
张天蛟
吴若有
《渔业现代化》
CSCD
2020年第1期47-55,共9页
针对传统理化方法分析水质污染情况耗时耗力等问题,提出一种基于鱼类异常行为识别的水质监测方法。以红色斑马鱼(red zebrafish)为研究对象,利用计算机视觉技术,首先对斑马鱼图像进行预处理,利用灰度共生矩阵获取鱼群纹理特征;然后通过L...
针对传统理化方法分析水质污染情况耗时耗力等问题,提出一种基于鱼类异常行为识别的水质监测方法。以红色斑马鱼(red zebrafish)为研究对象,利用计算机视觉技术,首先对斑马鱼图像进行预处理,利用灰度共生矩阵获取鱼群纹理特征;然后通过Lucas-Kanade光流法计算鱼群的运动信息熵,并对获取的纹理特征和信息熵进行归一化处理;最后采用轻量化梯度促进机(LightGBM)对鱼类异常行为进行检测,与深度神经网络(DNN)和支持向量机(SVM)检测效果对比。结果显示:利用LightGBM对鱼类异常行为进行检测,准确率为98.5%,与其他模型对比分别提高0.5%和25.3%。研究表明,基于LightGBM模型的鱼类异常行为检测方法相比其他模型能更准确地识别鱼类非正常游动。该模型适用于自动水质监测。
展开更多
关键词
水质监测
鱼类异常行为
LightGBM
在线阅读
下载PDF
职称材料
基于多层记忆增强和残差时空变换器的鱼类异常运动行为检测
3
作者
袁红春
陈香枝
《湖南农业大学学报（自然科学版）》
CAS
CSCD
北大核心
2024年第5期119-124,共6页
由于人工提取抽象特征方法捕获视频异常存在特征学习不足、特征选择困难和泛化性差的问题,笔者将计算机视觉技术引入鱼群异常运动行为检测研究中,采用无监督的学习方式,提出一种结合多层记忆增强和残差时空变换器的鱼类异常运动行为检...
由于人工提取抽象特征方法捕获视频异常存在特征学习不足、特征选择困难和泛化性差的问题,笔者将计算机视觉技术引入鱼群异常运动行为检测研究中,采用无监督的学习方式,提出一种结合多层记忆增强和残差时空变换器的鱼类异常运动行为检测方法。该方法以U-Net网络为基础,利用其编码器和解码器对视频帧编码和解码,并根据预测帧和真实帧之间的差异实现异常行为检测。为了加强连续视频帧之间的时空信息特征联系,提出残差时间变换器模块和残差空间变换器模块以提升网络对时间信息和空间信息的建模能力。由于卷积神经网络具有一定的泛化能力,使用记忆增强模块代替U-Net网络中的跳跃连接,降低编码器对异常帧的表示能力。此外,采用生成对抗网络(GAN)技术生成更加真实的预测帧,从而提升网络的检测精度。结果表明:该方法能有效提取鱼群的运动特性和外观特性,在自制的两类鱼群数据集上的AUC(曲线下面积)分别达0.916和0.921,实现了鱼群异常运动行为检测。
展开更多
关键词
鱼类异常行为
检测
计算机视觉
无监督学习
U-Net
时空变换器
在线阅读
下载PDF
职称材料
题名
融合协同注意力机制与Transformer模型的鱼类异常行为多任务识别
1
作者
张艺爔
胡泽元
左宇琪
贾松怡
刘吉航
陶红希
于红
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
《广东海洋大学学报》
北大核心
2025年第1期124-133,共10页
基金
辽宁省科技计划联合基金(2023-BSBA-001)
辽宁省教育厅重点科研项目(LJKZ0729)
+2 种基金
海洋渔业领域知识图谱构建项目(2023JH26/10200015)
辽宁省教育厅基本科研项目(JYTQN2023132)
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
【目的】解决暗光、浑浊和高密度养殖环境下,对于单任务鱼类异常行为识别精确度不高以及相似性鱼类异常行为难以准确识别的问题。【方法】提出一种多任务学习情况下鱼类异常行为及其姿态估计研究框架,命名为PD-DETR。通过Transformer架构实现端到端推理,平衡不同任务的损失权重,优化梯度冲突。通过自注意力编码器和协同注意力(SCSA)特征融合网络(SCSA-FPN),计算单鱼行为与鱼群行为的权重,平衡鱼群行为对个体行为的影响,降低相似性行为特征丢失。设计消融实验和模型对比实验,以证算法的有效性。【结果】PD-DETR在红鳍东方鲀(Takifugu rubripes)异常行为数据集上的识别精确率和平均精度分别达到95.1%和93.6%,较YOLOv11-det提升0.9%和0.3%;游动姿态估计精确率和平均精度分别达到91.2%和90.8%,较RT-DETR相比分别提升3.9%和4.4%;在多任务学习情况下异常识别任务和游动姿态估计任务的平均精度较单任务学习提升1.2%和1.7%。【结论】多任务学习网络PD-DETR实现了暗光、浑浊水质环境中的鱼类异常行为识别与游动姿态分析,有助于提高养殖效率,保障鱼类健康。
关键词
鱼类异常行为
姿态估计
多任务学习
多任务梯度协调
Transformer模型
Keywords
fish abnormal behavior
pose estimation
multi-task learning
multi-task gradient coordination
Transformer model
分类号
S932 [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LightGBM模型的鱼类异常行为检测
被引量：
8
2
作者
袁红春
王丹
陈冠奇
张天蛟
吴若有
机构
上海海洋大学信息学院
出处
《渔业现代化》
CSCD
2020年第1期47-55,共9页
基金
国家自然科学基金资助项目(41776142)
上海市青年科技英才扬帆计划资助项目(YF1407700)
上海海洋大学海洋科学研究院开放课题基金(A1-2006-00-601606)。
文摘
针对传统理化方法分析水质污染情况耗时耗力等问题,提出一种基于鱼类异常行为识别的水质监测方法。以红色斑马鱼(red zebrafish)为研究对象,利用计算机视觉技术,首先对斑马鱼图像进行预处理,利用灰度共生矩阵获取鱼群纹理特征;然后通过Lucas-Kanade光流法计算鱼群的运动信息熵,并对获取的纹理特征和信息熵进行归一化处理;最后采用轻量化梯度促进机(LightGBM)对鱼类异常行为进行检测,与深度神经网络(DNN)和支持向量机(SVM)检测效果对比。结果显示:利用LightGBM对鱼类异常行为进行检测,准确率为98.5%,与其他模型对比分别提高0.5%和25.3%。研究表明,基于LightGBM模型的鱼类异常行为检测方法相比其他模型能更准确地识别鱼类非正常游动。该模型适用于自动水质监测。
关键词
水质监测
鱼类异常行为
LightGBM
Keywords
water quality monitoring
fish abnormal behavior
LightGBM
分类号
S959 [农业科学—水产养殖]
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
基于多层记忆增强和残差时空变换器的鱼类异常运动行为检测
3
作者
袁红春
陈香枝
机构
上海海洋大学信息学院
出处
《湖南农业大学学报（自然科学版）》
CAS
CSCD
北大核心
2024年第5期119-124,共6页
基金
国家自然科学基金项目(41776142)。
文摘
由于人工提取抽象特征方法捕获视频异常存在特征学习不足、特征选择困难和泛化性差的问题,笔者将计算机视觉技术引入鱼群异常运动行为检测研究中,采用无监督的学习方式,提出一种结合多层记忆增强和残差时空变换器的鱼类异常运动行为检测方法。该方法以U-Net网络为基础,利用其编码器和解码器对视频帧编码和解码,并根据预测帧和真实帧之间的差异实现异常行为检测。为了加强连续视频帧之间的时空信息特征联系,提出残差时间变换器模块和残差空间变换器模块以提升网络对时间信息和空间信息的建模能力。由于卷积神经网络具有一定的泛化能力,使用记忆增强模块代替U-Net网络中的跳跃连接,降低编码器对异常帧的表示能力。此外,采用生成对抗网络(GAN)技术生成更加真实的预测帧,从而提升网络的检测精度。结果表明:该方法能有效提取鱼群的运动特性和外观特性,在自制的两类鱼群数据集上的AUC(曲线下面积)分别达0.916和0.921,实现了鱼群异常运动行为检测。
关键词
鱼类异常行为
检测
计算机视觉
无监督学习
U-Net
时空变换器
Keywords
fish behavior anomaly detection
computer vision
unsupervised learning
U-Net
spatio-temporal transformer
分类号
S951.2 [农业科学—水产养殖]
TP391.41 [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
融合协同注意力机制与Transformer模型的鱼类异常行为多任务识别
张艺爔
胡泽元
左宇琪
贾松怡
刘吉航
陶红希
于红
《广东海洋大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于LightGBM模型的鱼类异常行为检测
袁红春
王丹
陈冠奇
张天蛟
吴若有
《渔业现代化》
CSCD
2020
8
在线阅读
下载PDF
职称材料
3
基于多层记忆增强和残差时空变换器的鱼类异常运动行为检测
袁红春
陈香枝
《湖南农业大学学报（自然科学版）》
CAS
CSCD
北大核心
2024
0
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
