典型文献
改进Mask R-CNN的真实环境下鱼体语义分割
文献摘要:
鱼体语义分割是实现鱼体三维建模和语义点云、计算鱼体生长信息的基础.为了提高真实复杂环境下鱼体语义分割精度,该研究提出了SA-Mask R-CNN模型,即融合SimAM注意力机制的Mask R-CNN.在残差网络的每一层引入注意力机制,利用能量函数为每一个神经元分配三维权重,以加强对鱼体关键特征的提取;使用二次迁移学习方法对模型进行训练,即首先利用COCO数据集预训练模型在Open Images DatasetV6鱼类图像数据集完成第一次迁移学习,然后在自建数据集上完成第二次迁移学习,利用具有相似特征空间的2个数据集进行迁移学习,在一定程度上缓解了图像质量不佳的情况下鱼体语义分割精度不高的问题.在具有真实养殖环境特点的自建数据集上进行性能测试,结果表明,SA-Mask R-CNN网络结合二次迁移学习方法的交并比达93.82%,综合评价指标达96.04%,分割效果优于SegNet和U-Net++,较引入SENet和CBAM(Convolutional Block Attention Module,CBAM)注意力模块的Mask R-CNN交并比分别提升了2.46和1.0个百分点,综合评价指标分别提升了2.57和0.92个百分点,模型参数量分别减小了4.7和5 MB.研究结果可为鱼体点云计算提供参考.
文献关键词:
深度学习;语义分割;注意力机制;鱼体分割;二次迁移学习
中图分类号:
作者姓名:
郭奕;黄佳芯;邓博奇;刘洋成
作者机构:
西华大学电气与电子信息学院,成都 610000
文献出处:
引用格式:
[1]郭奕;黄佳芯;邓博奇;刘洋成-.改进Mask R-CNN的真实环境下鱼体语义分割)[J].农业工程学报,2022(23):162-169
A类:
二次迁移学习,DatasetV6,鱼体分割
B类:
Mask,真实环境,语义分割,三维建模,点云,长信,复杂环境,SA,SimAM,注意力机制,残差网络,能量函数,维权,关键特征,特征的提取,迁移学习方法,COCO,预训练模型,Open,Images,鱼类,图像数据集,自建数据集,特征空间,图像质量,养殖环境,交并比,比达,综合评价指标,标达,分割效果,SegNet,Net++,SENet,CBAM,Convolutional,Block,Attention,Module,注意力模块,百分点,模型参数量,MB
AB值:
0.335787
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。