摘要
本发明涉及计算机视觉目标检测技术领域,特别是涉及一种基于改进YOLOv7网络的水下生物检测方法。本发明包括S1、获取水下不同生物数据图像,以作为水下数据集,并将所述水下数据集按照7:1:2的分配比例划分成训练集、验证集、测试集,并对所述水下数据集进行图像数据增强;S2、针对图像增强后的水下数据集,以单阶段检测算法YOLOv7网络结构为基础进行改进,以得到改进后的检测模型;S3、对所述改进后的检测模型使用所述训练集和验证集进行训练,以得到训练后的网络模型和权重;S4、使用所述测试集对所述训练后的网络模型和权重进行测试,评估测试结果。本发明提高了模型的准确率,进一步降低了模型的部署成本,提高了模型的泛化能力。
技术关键词
水下生物检测方法
特征提取模块
网络结构
图像增强
生物检测系统
水下图像数据
注意力机制
训练集
上采样
通道
算法
计算机视觉
输出端
阶段
输出特征
系统为您推荐了相关专利信息
钢轨纵向位移
无缝线路钢轨
图像拼接
轨道检测车
BRISK算法
智能图像识别
清除系统
除杂结构
稻田
图像采集模块