基于改进YOLO-V4网络的浅海生物检测模型OA北大核心CSCDCSTPCD
Model for marine organism detection in shallow sea using the improved YOLO-V4 network
海洋生物智能检测是海洋牧场战略的一部分,而利用水下机器人在复杂的海洋环境中快速、准确地检测海洋生物是关键问题.由于海底环境复杂、亮度分布不均匀、海洋生物与其生存环境的区分性差、生物被遮蔽或半隐蔽等原因,准确识别海洋生物是一个巨大的挑战.随着卷积神经网络的发展,基于深度学习的目标检测算法成为主流,出现了如EfficientDet、RetinaNet和YOLO-V4等典型算法.这些基于深度学习的算法都不是完全尽善尽美的,不能完全满足海洋生物识别的需求…查看全部>>
毛国君;翁伟栋;朱晋德;张媛;吴富村;毛玉泽
福建工程学院计算机科学与数学学院,福州 350118福建省大数据挖掘与应用重点实验室,福州 350118福建工程学院计算机科学与数学学院,福州 350118福建工程学院计算机科学与数学学院,福州 350118獐子岛集团股份有限公司,大连 116001中国科学院海洋研究所实验海洋生物学重点实验室,青岛 266071
信息技术与安全科学
模型深度学习目标检测YOLO-V4跨阶段局部网络嵌连接
《农业工程学报》 2021 (12)
基于集成学习的分布式XML数据流的挖掘模型与概念漂移挖掘方法研究
152-158,7
国家重点研发项目(2019YFD0900800/05)国家自然科学基金项目(61773415)
评论