龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江大学
摘要：本发明公开了一种基于改进YOLOX‑nano算法的鱼类检测与识别方法，属于图像目标检测领域。本发明包括以下改进点：1在路径聚合网络PANet后增加自适应空间特征融合网络ASFF对不同尺度的特征图进行融合；2将原始YOLOX‑nano中用于计算目标误差的二元交叉熵损失函数BCEloss替换为了更为有效的焦点损失函数Focalloss以平衡正负样本和聚焦于难分类样本的训练。本发明专利采用轻量化的网络架构，可应用于计算资源有限的嵌入式平台，可实现鱼的原位检测与识别，可同时满足检测的实时性和精确性的要求，可辅助水产养殖者对渔场进行科学化管理，有助于推进智能化水产养殖。
主权项：1.一种基于改进YOLOX-nano算法的鱼类检测与识别方法，其特征在于，包括如下步骤：S1：基于鱼类监测数据构建水下图像数据集并进行数据标注；S2：建立用于鱼类检测的YOLOX-nano模型；所述YOLOX-nano模型由输入层、骨干网络CSPDarknet、特征金字塔、多尺度预测层4部分组成；所述特征金字塔包括路径聚合网络PANet和自适应空间特征融合网络ASFF；S3：基于由步骤S1获得的水下图像数据集对YOLOX-nano模型进行训练，不断动态优化网络参数，寻找使损失函数达到最小值的参数组合，直至完成预设的迭代次数，训练好的YOLOX-nano模型即为鱼类检测模型；所述损失函数由分类损失、目标损失、定位损失三部分组成，分类损失由二元交叉熵损失函数BCEloss计算，目标损失由焦点损失函数Focalloss计算，定位损失由交并比损失函数IOUloss计算；S4：将待检测图像作为步骤S3得到的鱼类检测模型的输入，得到检测结果，所述的检测结果包括鱼类目标的位置、类别和置信度。
全文数据：
权利要求：
百度查询： 浙江大学 一种基于改进YOLOX-nano算法的鱼类检测与识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号