相关实验视频
Updated: Jan 17, 2026
10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
13.0K
基于使用轨迹数据的多分支卷积神经网络进行捕鱼操作类型识别
Bohui Jiang1,2, Weifeng Zhou1
1East China Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Shanghai, China.
PeerJ. Computer science
|September 24, 2025
概括
准确的渔船操作识别对于可持续渔业至关重要. 这项研究引入了一种使用Geohash编码和深度学习 (MB-1dCNN) 的新框架,用于从船舶轨迹中提取高级时空特征.
科学领域:
- 海上监督是什么意思?海上监督是什么意思?
- 空间计算 空间计算
- 渔业科学 渔业科学
背景情况:
- 可持续的渔业管理需要准确识别渔船操作.
- 目前的方法与时空背景和船舶轨迹中的多式联络数据融合作斗争.
研究的目的:
- 利用时空轨迹数据,开发一个用于加强渔船操作识别的新框架.
- 改进多式联运数据的融合和情境信息的提取.
主要方法:
- 基于Geohash的地理编码与自然语言处理启发的嵌入技术的整合,用于时空特征提取.
- 开发一个多分支1D卷积神经网络 (MB-1dCNN),用于操作类型识别.
- 对Geohash编码长度和网络架构进行比较分析 (单分支与多分支,完全连接与1D-CNN).
主要成果:
- 最佳的Geohash编码长度被确定为5.
- 多分支架构显著优于单分支设计.
- 与多分支完全连接网络 (MB-FCNN) 相比,MB-1dCNN实现了更高的准确性和F1得分.
结论:
- 对于连续的特征提取,1D-CNN处理比完全连接的网络更有效.
- 多分支架构在轨迹分析中增强了信息融合能力.
- MB-1dCNN模型为基于轨迹的捕鱼操作识别设置了一个新的最先进的状态.
关键词:
深度卷积神经网络是一个深度卷积神经网络.深度学习是一种深度学习.嵌入式 嵌入式 嵌入式捕鱼操作类型 捕鱼操作类型地质哈希 (Geohash) 是一个类型的地质哈希.时间空间的背景.船舶轨迹 船舶轨迹是指船舶的轨迹.更多相关视频
05:57Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster Nephrops norvegicus
Published on: April 8, 2019
7.2K
03:31Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
Published on: December 15, 2023
1.0K
