相关实验视频
Updated: Jul 13, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
439
水下鱼类细分算法基于改进的PSPNet网络
Yanling Han1, Bowen Zheng1, Xianghong Kong2
1College of Information Technology, Shanghai Ocean University, Shanghai 201306, China.
Sensors (Basel, Switzerland)
|October 14, 2023
概括
这项研究引入了改进的PSPNet (IST-PSPNet) 以准确地进行水下鱼类细分,增强特征感知和减少智能渔业应用的计算负载.
科学领域:
- 计算机视觉 计算机视觉
- 海洋生物学 海洋生物学
- 人工智能的人工智能
背景情况:
- 精确的水下鱼类细分对于智能渔业和获取鱼类形态数据至关重要.
- 水下图像质量问题,如模糊,扭曲和低对比度,阻碍了细分的准确性.
研究的目的:
- 提出一个改进的PSPNet (IST-PSPNet) 以加强水下鱼类的细分.
- 为了应对水下环境中图像质量差所带来的挑战.
主要方法:
- 实施了一种代的注意力特征融合机制,用于多尺度的特征和上下文感知.
- 使用SoftPool来减少参数和计算,同时保留功能信息.
- 集成了三重注意力 (TA) 模块,以改善空间注意力和背景干扰抑制.
- 采用参数共享策略来进一步降低计算负载.
主要成果:
- 在DeepFish数据集上实现了91.56%的Miou.
- 经过4668M参数和40.27 GFLOPS的证明效率.
- 显著改善了具有相似颜色,低对比度和小尺寸的鱼类的细分.
- 在复杂的水下场景中提高鱼边位置的清晰度.
结论:
- 与现有的方法相比,拟议的IST-PSPNet方法在水下鱼类细分方面提供了更高的性能.
- 该方法有效地克服了图像质量的限制,为更准确的智能渔业数据采集铺平了道路.
- IST-PSPNet对在海洋环境中推进自动化鱼类监测和分析具有前景.
