一种基于结构重参化的水下密集鱼群检测方法及设备技术

本发明专利技术涉及一种基于结构重参化的水下密集鱼群检测方法及设备，涉及图像处理和计算机视觉领域，特别是一种应用于水下环境的鱼群检测方法。方法包括以下步骤：设备通过摄像头获取不同水下场景的鱼群数据；通过图像降噪方法对水下图像进行预处理；构建具备多尺度特征增强模块的结构重参化神经网络；将经过数据预处理的鱼群数据集输入至该结构重参化神经网络中进行网络训练，得到用于水下密集鱼群检测的神经网络；将神经网络进行结构重参化转为推理阶段应用于水下密集鱼群检测设备中，可进行实时检测。采用结构重参化的方法进行模型推理，使水下密集鱼群检测神经网络的检测效率能够得到有效提升。

【技术实现步骤摘要】

本专利技术涉及图像处理和计算机视觉领域，更具体地说，涉及一种基于结构重参化的水下密集鱼群检测方法及设备。

技术介绍

1、水下生态系统的研究和保护一直以来都是海洋生物学和生态学的重要领域。其中，鱼群的计数和定位是许多研究工作中的重要部分，例如海洋生态系统的研究，水产资源的管理，环境保护以及商业捕鱼等。准确有效的检测和定位鱼群能为科研工作者提供海洋生物多样性、数量以及行为等信息，从而提供更深入的研究视角。

2、鱼群是水下生态系统中的重要组成部分，它们的数量、种类和行为等信息对于理解和保护水下生态系统至关重要。例如，鱼群的数量和种类的变化可以反映水域的健康状况和环境变化，而鱼群的行为信息可以为海洋生物学家提供研究生物行为和群体动态的重要数据。

3、结构重参化的理念旨在提升模型多尺度特征的采样能力并保持推理阶段的效率。在之前的观点中，要让模型具备多尺度特征的采样能力，则需要对模型添加一定量多尺度运算，这一定程度加大了模型的复杂度。结构重参化通过将模型的训练阶段和推理阶段进行分离，训练阶段使用多分支的卷积块结构，这使得每个卷积块都能具有强大的本文档来自技高网...

【技术保护点】

1.一种基于结构重参化的水下密集鱼群检测方法，其特征在于：利用高清摄像头收集水下鱼群图像数据；采用图像降噪处理预处理所述图像数据；构建并训练一种基于结构重参化技术的神经网络模型，用于水下鱼群特征提取；该神经网络模型包括多尺度特征增强模块；对训练完成的神经网络模型进行结构重参化处理并转换为推理模式。

2.根据权利要求1所述的一种基于结构重参化的水下密集鱼群检测方法，所述图像降噪处理采用对比度受限的自适应直方图均衡化(CLAHE)算法。

3.根据权利要求1或2所述的一种基于结构重参化的水下密集鱼群检测方法，其特征在于：所述多尺度特征增强模块能够在网络的每个阶段后进行特...

【技术特征摘要】

1.一种基于结构重参化的水下密集鱼群检测方法，其特征在于：利用高清摄像头收集水下鱼群图像数据；采用图像降噪处理预处理所述图像数据；构建并训练一种基于结构重参化技术的神经网络模型，用于水下鱼群特征提取；该神经网络模型包括多尺度特征增强模块；对训练完成的神经网络模型进行结构重参化处理并转换为推理模式。

2.根据权利要求1所述的一种基于结构重参化的水下密集鱼群检测方法，所述图像降噪处理采用对比度受限的自适应直方图均衡化(clahe)算法。

3.根据权利要求1或2所述的一种基于结构重参化的水下密集鱼群检测方法，其特征在于：所述多尺度特征增强模块能够在网络的每个阶段后进行特征增强，以提升对不同尺度上鱼群特征的捕捉能力。

4.一种基于结构重参化的水下密集鱼群...

【专利技术属性】
技术研发人员：冯逸洲，罗笑南，姚继承，袁思源，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：