摘要
一种海洋底栖生物检测、识别与跟踪方法,通过收集并筛选构建海洋生物底栖数据集,经小目标数据增强后,使用P2‑YOLOv11深度学习模型对目标实现检测及初步分类;再使用轻量化ShuffleDeepsort跟踪算法进行跟踪;最后结合跟踪所得轨迹信息和初步分类信息进行动态跳帧识别,使用多层次分类网络在不同阶元系统下实现精细分类,得到海洋生物的多层次识别结果。本发明能够显著提高小目标海洋底栖生物图像以及水下航行器实拍的海底多目标跟踪图像的处理效果。
技术关键词
海洋底栖生物
跟踪方法
深度学习模型
分类网络
多层次特征提取
网络单元
卡尔曼滤波算法
跟踪器
数据
动态
特征提取网络
整体方法
特征金字塔
检测头
距离图像
轨迹参数
跟踪系统
系统为您推荐了相关专利信息
裂纹检测方法
深度学习算法
敲击装置
酒瓶
深度学习模型
裂纹识别方法
机械
Fisher向量
变量
深度学习模型
模型训练方法
功能评估方法
深度学习模型
地震
有限元分析方法
LED显示屏
稳定控制方法
校准
深度学习模型
计算机程序指令
裂缝特征
三维点云数据
统计方法
卷积神经网络提取
多头注意力机制