基于YOLOv5-LED的水母识别分类方法技术

本发明专利技术公开的基于YOLOv5‑LED的水母识别分类方法，属于海洋生物图像处理技术领域。本发明专利技术实现方法为：在YOLOv5基础上，通过G‑Conv模块大幅度减少模型的参数量，并且在不损失信息的情况下提高特征提取的效果，通过G‑Bottleneck模块降低参数量，加快模型的训练和推理速度，通过G‑C3模块提取不同尺度的水母目标的特征信息，改善YOLOv5‑LED水母识别分类模型的特征提取能力。在Backbone模块中增加CBAM注意力模块。本发明专利技术能够增强对不同尺度水母目标的检测能力，提高水母目标检测的精度和效率，进行模型的轻量化，减少目标重叠对边界框生成的影响，提高水母目标检测算法的鲁棒性和准确性，能够实现高效、准确的水母目标检测和分类。

【技术实现步骤摘要】

本专利技术属于海洋生物图像处理，尤其涉及一种基于yolov5-led的水母识别分类方法。

技术介绍

1、随着近年来海洋环境污染和全球气候变化的加剧，世界多个海域频繁出现大型水母暴发现象,对海洋生态系统、海洋渔业、沿海工业和滨海旅游业造成了巨大损失。传统的水母识别方法通常是基于人工观察和手动分类的，其准确性和效率都存在一定的局限性。yolov5是一种基于深度学习的目标检测算法，具有快速、高效、准确的特点，该方法通过预训练得到物体检测框架和模型，并将自适应锚框嵌入到整体代码里，进一步采用灰度填充的方法避免目标变形。相比于传统的目标检测算法，yolov5能够在保持高检测精度的同时，实现更快的检测速度，适用于处理大规模的图像数据。由于水母数据的复杂性和实时性要求，采用基于yolov5的水母检测与识别算法能够更好地满足实际应用需求。

2、然而，yolov5算法受网络模型简化的影响使检测精度降低，在对一些小目标进行识别时存在不稳定现象，并且由于水母形态的特殊性，导致其需要大量的训练数据才能到达较高的准确率，此外其使用的ciou损失函数对纵横比的描述也存在一本文档来自技高网...

【技术保护点】

1.基于YOLOv5-LED的水母识别分类方法，其特征在于：包括以下步骤，

2.如权利要求1所述的基于YOLOv5-LED的水母识别分类方法，其特征在于：步骤1中，

3.如权利要求2所述的基于YOLOv5-LED的水母识别分类方法，其特征在于：步骤2中，

【技术特征摘要】

1.基于yolov5-led的水母识别分类方法，其特征在于：包括以下步骤，

2.如权利要求1所述的基于yolov5-led的水母...

【专利技术属性】
技术研发人员：高美静，解运佳，傅昊翔，燕永浩，王昆达，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：