改进YOLO v4模型在鱼类目标检测上的应用研究

作者：郑宗生; 李云飞; 卢鹏; 邹国良; ***

来源：渔业现代化, 2022, 49(01): 82-96.

• 鱼类目标检测
• CIoU损失
• 损失函数
• YOLO v4模型

鱼类目标检测对渔业精准养殖、生产自动化、资源调查及鱼行为的研究等具有重要的意义。为了能快速准确地得到鱼类目标的位置和所属类别，提出了一种改进YOLO v4模型的鱼类目标检测方法，在CIoU(Complete Intersection over Union)损失函数基础上构建了新的损失项，改进的损失函数使真实框与相交框呈相同宽高比进行回归，同时通过设置多锚点框模式，增强在特定尺寸面积上的检测效果。结果显示：改进YOLO v4模型的mAP(mean Average Precision)比原模型有较大提升，在自建数据集、Fish4Knowledge数据集和NCFM数据集上的mAP分别达到了94.22%、99.52%、92.16%。研究表明，改进YOLO v4模型可以快速准确地检测到鱼的位置和类别，检测速度满足实时的要求，可以为渔业精准养殖等提供参考。

• 出版日期2022
• 单位上海海洋大学