加强Eriocheir Sinensis的地标点检测,使用可差异化的端到端网络进行外
Chong Wu1,2, Shuxian Wang1, Shengmao Zhang1,3
1East China Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Shanghai 200090, China.
Animals : an open access journal from MDPI
|March 28, 2025
概括
一种新型的神经网络方法准确地识别了中国小甲标志. 这种方法通过减少手工任务,提高了养,测量和销售的效率.
科学领域:
- 水产养殖是水产养殖的一种方式.
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 精确测量中国手套甲对于高效的繁殖和销售至关重要.
- 目前用于地标识别的手工方法是劳动密集型的,容易出现错误.
研究的目的:
- 开发和评估一个神经网络模型,用于自动检测中国小甲标志性点.
- 为了比较不同卷积神经网络 (CNN) 模型的性能,概括能力和功耗.
主要方法:
- 为甲设计了一个37点的本地化框架.
- 使用数据集增强技术 (扭曲,旋转,封闭) 来提高模型的概括性.
- 三个CNN模型,包括一个具有可差分空间到数值转换 (DSNT) 模块的模型,经过训练并使用各种损失函数进行评估.
主要成果:
- 采用DSNT模块的CNN模型实现了最高的精度,测试组的R2值为0.9906.
- 使用高斯热图的CNN模型实现了0.9846.6的竞争R2值.
- 基于DSNT的CNN模型展示了卓越的计算效率和更低的功耗.
结论:
- 基于DSNT模块的CNN模型显示了自动化检测中国手套甲地标的巨大潜力.
- 这项技术可以大大减少养,质量检查和销售过程中的手工劳动.
- 拟议的方法为评估提供了更有效,更准确的解决方案.
