SCR-Net:一个新的轻量级水生生物检测网络

科学领域:

• 海洋生物学 海洋生物学
• 计算机视觉 计算机视觉 计算机视觉
• 环境监测环境监测环境监测

背景情况:

• 准确和快速的海洋生物检测对于保护和资源管理至关重要.
• 目前的方法面临着水生物种识别速度,准确性和资源效率方面的挑战.
• 开发轻量级但有效的检测网络对于实际的水下应用至关重要.

研究的目的:

• 为海洋生物检测提出一种新,快速,高效的轻型目标检测网络 (SCR-Net).
• 增强特征聚合和空间聚合能力,以提高模型性能.
• 为了降低特征融合中的计算成本和参数,并加速模型推理.

主要方法:

• 实施一个空间金字塔池ELAN (SPPE) 模块,将ELAN的特征聚合与SPPF的聚合相结合.
• 引入跨度特征融合金字塔 (CFFP) 结构,以尽量减少融合过程中的参数和计算负载.
• 使用低成本工艺和重组参数化进行更快推断的轻量级特征提取模块 (RGE) 的设计.

主要成果:

• 与基线模型相比,SCR-Net显示参数减少了57.4%,计算减少了37%.
• 在DUO数据集上获得了83.2%的平均平均精度 (mAP@0.5).
• 废弃和比较实验证实了拟议的模块的有效性和优越的性能,而不是在DUO和UDD数据集上现有的轻量级模型.

结论:

• 在轻量级水下目标检测方面,SCR-Net提供了显著的进步.
• 拟议的SPPE,CFFP和RGE模块有效地提高了检测速度,效率和准确性.
• 对于资源有限的海洋生物检测应用,SCR-Net提供了一个有前途的解决方案.