典型文献
轻量化神经网络在远洋鱿钓检测技术中的应用
文献摘要：
中国远洋鱿鱼捕捞技术比较单一,智能化的鱿鱼捕捞技术对远洋渔业资源统计至关重要.在智能化鱿鱼捕捞作业过程中,以YOLOV3算法检测时,其特征提取网络Darknet53模型参数量较大,模型输出权重存储量较高,降低了检测速度.为此,建立轻量化MobileNetV3网络作为特征提取网络,进行初步有效特征提取,再设计CSP瓶颈层作为逆瓶颈结构,提高特征提取能力;最后通过CIoU模型建立网络模型的损失函数.在实验室环境下,使用Squid数据集验证轻量化网络模型的有效性,并对其主干网络与损失函数的性能进行分析.通过训练目标数据集,将轻量型网络模型与YOLOV3网络模型结构做消融试验,验证轻量化网络应用在远洋捕捞技术上的准确性以及实用性.结果显示,轻量化网络结构的性能明显优于YOLOV3网络模型结构,可以大幅度降低参数量,提高检测速度,缩短检测时间,提高检测率,提高了鱿鱼实时检测的工作效率.本研究成果为远洋渔业资源调查提供重要依据.
文献关键词：
远洋捕捞;鱿鱼捕捞;智能渔业;渔业资源;损失函数;轻量化网络
中图分类号：
作者姓名：
刘雨青;周彦
作者机构：
上海海洋大学工程学院,上海201306;上海海洋可再生能源工程技术研究中心,上海 201306
文献出处：
引用格式：
[1]刘雨青;周彦-.轻量化神经网络在远洋鱿钓检测技术中的应用)[J].渔业现代化,2022(01):61-71
A类：
鱿鱼捕捞,智能渔业
B类：
轻量化神经网络,技术比较,远洋渔业,作业过程,YOLOV3,特征提取网络,Darknet53,模型参数量,模型输出,存储量,检测速度,MobileNetV3,有效特征,再设计,CSP,瓶颈层,瓶颈结构,特征提取能力,CIoU,损失函数,实验室环境,Squid,数据集验证,轻量化网络,主干网络,轻量型网络,模型结构,网络应用,远洋捕捞,大幅度降低,高检,检测时间,检测率,实时检测,渔业资源调查
AB值：
0.313086
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。
