典型文献
基于改进YOLOv5算法的珊瑚礁底栖生物识别方法
文献摘要：
现有珊瑚礁底栖生物识别方法存在提取特征困难、实时性较差等问题,导致珊瑚礁底栖生物的识别精度不高.本文引入YOLOv5算法,通过设计跳转连接操作向深层网络传递清晰目标特征,解决了由真实近海图像的退化特性带来的底栖生物特征模糊的问题.同时,引入卷积注意力机制模块,解决了无效特征影响识别精度的问题.实验结果表明:本文提出的改进算法无论是识别精度还是识别速度均优于基准算法和目前较先进的单激发多框探测器等算法,从而证明了本文算法的有效性和先进性.
文献关键词：
YOLOv5算法;珊瑚礁生物识别;跳转连接;注意力机制;深度学习;珊瑚礁生态系统;特征金字塔结构;神经网络
中图分类号：
作者姓名：
吴睿;毕晓君
作者机构：
哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨 150001;中央民族大学信息工程学院, 北京 100081
文献出处：
引用格式：
[1]吴睿;毕晓君-.基于改进YOLOv5算法的珊瑚礁底栖生物识别方法)[J].哈尔滨工程大学学报,2022(04):580-586
A类：
跳转连接,珊瑚礁生物识别
B类：
YOLOv5,底栖生物,提取特征,识别精度,深层网络,目标特征,近海,海图,生物特征,卷积注意力机制模块,改进算法,探测器,珊瑚礁生态系统,特征金字塔结构
AB值：
0.185251
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
