典型文献
基于改进YOLOv5的海洋生物检测算法
文献摘要：
对于水下机器人捕捞行业,提高对海洋生物的识别准确率可以有效减少对海洋生态环境的破坏.针对现有海洋生物检测模型在复杂环境下对小目标存在特征提取能力不足、检测精度低的问题,提出了一种基于改进YOLOv5的海洋生物检测算法.该算法通过改进马赛克数据增强,生成更多的小目标数据样本;在YOLOv5的主干网络引入SimAM(Simple,Parameter-Free Attention Module)无参注意力机制,该注意力机制对海洋生物特征图分配3D注意力权值,从而增强模型提取特征的能力.实验结果表明,对比原始YOLOv5算法,在没有引入额外参数的情况下,查准率、查全率、平均检测精度分别提高了2.8％、1.7％、1.6％,为水下机器人进行精准识别和捕捞提供了技术支持.
文献关键词：
海洋生物;YOLOv5;马赛克数据增强;SimAM
中图分类号：
作者姓名：
朱伟东;何月顺;陈杰;任维民;孙一蓬
作者机构：
东华理工大学信息工程学院 南昌 330013;江西经济管理干部学院 南昌 330088
文献出处：
引用格式：
[1]朱伟东;何月顺;陈杰;任维民;孙一蓬-.基于改进YOLOv5的海洋生物检测算法)[J].计算机与数字工程,2022(08):1631-1636
A类：
B类：
YOLOv5,海洋生物,生物检测,检测算法,水下机器人,捕捞,识别准确率,海洋生态环境,检测模型,复杂环境,小目标,存在特征,特征提取能力,检测精度,马赛克数据增强,主干网络,SimAM,Simple,Parameter,Free,Attention,Module,无参注意力机制,生物特征,特征图,权值,增强模型,提取特征,查准率,查全率,精准识别
AB值：
0.377343
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。
