龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：大连海洋大学
摘要：本发明提出一种基于深度分离卷积与可变形自注意力的鱼类异常检测方法，包括采集水域中的鱼类图像作为待检测图像并进行预处理，得到鱼类图像数据集；对DETR模型进行改进，具体为：使用SimAM权重注意力模块替换EfficientNet主干网络中的SE注意力机制，将改进EfficientNet主干网络作为改进DETR模型的主干特征提取网络，在DETR模型的颈部引入Slim‑Neck模块；将鱼类图像数据集输入改进DETR模型中，通过FocalLoss损失函数训练，得到训练后的改进DETR模型；将待进行检测的鱼类图像输入训练后的改进DETR模型中，得到鱼类异常行为检测结果和鱼类个体目标的位置信息。本发明提高了检测精度和检测效率，能够提高渔业生产效率。
主权项：1.一种基于深度分离卷积与可变形自注意力的鱼类异常检测方法，其特征在于，包括如下步骤：S1.采集水域中的鱼类图像作为待检测图像，将所述待检测图像进行预处理，得到鱼类图像数据集；S2.对DETR模型进行改进，得到包括改进EfficientNet主干网络、Slim空间注意力模块、Deformable-TransformerEncoder层和Deformable-TransformerDecoder层的改进DETR模型，具体为：使用SimAM权重注意力模块替换EfficientNet主干网络中的SE注意力机制，得到改进EfficientNet主干网络，将所述改进EfficientNet主干网络作为所述改进DETR模型的主干特征提取网络，在DETR模型的颈部引入Slim-Neck模块，得到Slim空间注意力模块；S3.将步骤S1中预处理后得到的所述鱼类图像数据集输入到步骤S2获得的所述改进DETR模型中，通过FocalLoss损失函数训练所述改进DETR模型，得到训练后的改进DETR模型；S4.将待进行检测的鱼类图像输入步骤S3中得到的所述训练后的改进DETR模型中，得到鱼类异常行为检测结果和鱼类个体目标的位置信息。
全文数据：
权利要求：
百度查询： 大连海洋大学 基于深度分离卷积与可变形自注意力的鱼类异常检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号