科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决传统商业渔船电子监控数据中鱼类检测与识别任务人工成本高、工作量大等问题，采用基于改进的Yolov8商业渔船电子监控数据中鱼类的检测与识别方法，其中，主干网使用GCBlock结构对远程依赖关系建模，以增加特征提取能力；Neck端使用GSConv新型卷积方式，以减少模型计算量；使用SIOU损失函数解决CIOU损失函数的局限性，以提升模型检测精度。结果表明：提出的Yolov8n-GCBlock-GSConv模型在FishNet数据集不同标签L1和L2上的mAP@0.5为43.6%和52.7%,相比原Yolov8n模型分别提高了2.0%和4.3%,计算量为7.7 GFLOPS,比原模型降低了0.5 GFLOPS。研究表明，本研究中提出的Yolov8n-GCBlock-GSConv模型能以更低的成本，快速准确地完成商业渔船电子监控数据中鱼类的检测与识别。
- 出版日期2023
- 单位上海海洋大学
