【技术实现步骤摘要】
本专利技术涉及鱼类行为检测，尤其涉及一种鱼类行为检测方法、装置、电子设备和存储介质。
技术介绍
1、在鱼类行为识别研究中，活鱼行为的自动识别在水产养殖中是一个具有挑战性的研究问题，因为它需要对鱼体进行检测和定位。然而，相关技术的研究主要侧重于提取常规低级特征，如颜色、纹理、轮廓、纹理和形状等；另外一方面，相关技术深度学习的研究大多采用单一任务模型，如鱼类目标检测、姿态估计和语义分割并且不同任务之间的结构存在明显的差异，缺乏统一的学习方式，不能满足水产养殖对鱼类行为分析的需求；最后相关技术的多视觉任务的模型(如lsnet、pointsetnet和centernet)通常使用学习能力较强的主干网络，如resnet-101+dcn，r2-101-dcn等，而在轻量主干(如rednet18、26)上表现不佳.不同的视觉任务在损失函数设计上并不完全适应，识别效果较差。
技术实现思路
1、本专利技术提供一种鱼类行为检测方法、装置、电子设备和存储介质，可以解决基于轻量级骨干网络的多任务鱼类识别方法中缺乏...
【技术保护点】
1.一种鱼类行为检测方法，其特征在于，包括：
2.根据权利要求1所述的鱼类行为检测方法，其特征在于，所述构建多任务鱼类行为检测模型，包括：
3.根据权利要求1所述的鱼类行为检测方法，其特征在于，所述将所述多种尺度大小的目标特征信息输入辅助热图学习模块，使所述目标特征信息的向量学习方向向高斯分布靠近，包括：
4.根据权利要求1所述的鱼类行为检测方法，其特征在于，所述获取多任务鱼类行为数据集，包括：
5.根据权利要求4所述的鱼类行为检测方法，其特征在于，所述方法还包括：
6.根据权利要求4所述的鱼类行为检测方法，...
【技术特征摘要】
1.一种鱼类行为检测方法，其特征在于，包括：
2.根据权利要求1所述的鱼类行为检测方法，其特征在于，所述构建多任务鱼类行为检测模型，包括：
3.根据权利要求1所述的鱼类行为检测方法，其特征在于，所述将所述多种尺度大小的目标特征信息输入辅助热图学习模块，使所述目标特征信息的向量学习方向向高斯分布靠近，包括：
4.根据权利要求1所述的鱼类行为检测方法，其特征在于，所述获取多任务鱼类行为数据集，包括：
5.根据权利要求4所述的鱼类行为检测方法，其特征在于，所述方法还包括：
6.根据权利要求4所述的鱼类行为检测方法，其特征...
【专利技术属性】
技术研发人员：周超，赵振锡，杨信廷，杨才伟，朱开捷，孙传恒，
申请(专利权)人：北京市农林科学院信息技术研究中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。