当前位置: 首页 > 文章 > 基于DRN-Faster R-CNN的复杂背景多目标鱼体检测模型 农业机械学报 2021 (S1) 245-251,315
Position: Home > Articles > 基于DRN-Faster R-CNN的复杂背景多目标鱼体检测模型 Transactions of the Chinese Society for Agricultural Machinery 2021 (S1) 245-251,315

基于DRN-Faster R-CNN的复杂背景多目标鱼体检测模型

作  者:
孙龙清;孙希蓓;吴雨寒;罗冰
单  位:
中国农业大学国家数字渔业创新中心;中国农业大学信息与电气工程学院
关键词:
鱼体;目标检测;特征;卷积神经网络;深度残差网络;
摘  要:
针对现有多目标鱼体检测大多针对受控环境进行,泛化能力有限的问题,提出了一种简单、有效的复杂背景下多目标鱼体检测模型。通过迁移学习构建基于DRN的特征提取方法,对原始图像进行特征提取,结合RPN进一步生成候选检测框;构建基于Faster R-CNN的复杂背景多目标鱼体检测模型。在ImageNet2012数据集上的实验结果表明:该模型对复杂背景下金鱼的检测平均精度达到89.5%,远高于R-CNN+AlexNet模型、Faster R-CNN+VGG16模型和Faster R-CNN+ResNet101的检测精度,表明该模型可以高效精确地实现复杂背景下的多目标鱼体检测。

相似文章

计量
文章访问数: 10
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊