摘要
本发明公开了一种基于PCN‑YOLO的狮头鹅个体识别方法,具备以下有益效果:(1)本发明在YOLO11骨干网络部分,将原有的C3K2模块替换为PKI块,该PKI块通过采用不同大小的卷积核对输入特征图进行并行处理,显著提升了多尺度特征提取能力。(2)本发明在YOLO11网络颈部末端引入了CGAFusion模块,有效融合上下文信息,从而改善了目标与背景之间的区分度,降低了背景误判率。(3)针对传统损失函数在边缘细节捕捉上的局限,本发明引入了NWD损失函数,使得模型在轮廓和边缘信息的表达上更为精准。通过上述方式,本发明通过改进深度学习方法,解决了传统狮头鹅检测方法中存在的问题,实现高效率、高精度、低成本的狮头鹅目标检测。
技术关键词
狮头鹅
YOLO模型
识别方法
注意力
融合上下文信息
模块
特征提取能力
深度学习方法
锚点
多尺度
网络
高效率
低成本
轮廓
数据
通道
尺寸
系统为您推荐了相关专利信息
风电设备叶片
故障检测方法
注意力机制
辅助编码器
故障检测模型
管理系统
时空注意力机制
分层强化学习
异构传感器
光纤光栅传感阵列