【技术实现步骤摘要】
本专利技术涉及一种利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法及专用装置，属于计算机视觉。
技术介绍
1、在鲍鱼的养殖中，需要的鲍鱼幼苗的数量进行严格的管控，这是由于鲍鱼幼苗密度大会使饵料不足造成稚鲍生长缓慢，影响生产效益。为了能够监控鲍鱼幼苗的数量，本领域技术人员将卷积神经网络应用到鲍鱼幼苗检测和计数，提高检测的准确率和检测速度。但是，由于养殖的鲍鱼幼苗数量比较多，较为密集，鲍鱼幼苗相互之间会有遮挡，在对鲍鱼幼苗的检测时候，鲍鱼幼苗本身较小，从而导致检测的准确率较低。因此，如何提高检测的准确率就成为一个重要的课题。
技术实现思路
1、为了能够提高针对鲍鱼幼苗检测的准确性，提供一种利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法，同时还提供一种相应的专用装置。提出了一种更具适合用在密集遮挡小目标的数据集制作方法，可以广泛的用在目标较小的幼苗等育种过程中的数据集制作，可以显著的减少人工标注的工作量，更多的产生不同的遮挡，检测目标在图像上的位置分布上符合现实情况；其次，利用合成幼鲍鱼数据集，使用融...
【技术保护点】
1.一种利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法，包括建立鲍鱼幼苗数据集，将鲍鱼幼苗数据集分为测试集和训练集，其特征在于，将训练集输入横向跨尺度查询矩阵融合鲍鱼幼苗检测算法中，所述横向跨尺度查询矩阵融合鲍鱼幼苗检测算法具体为：建立模型、训练模型；
2.根据权利要求1所述的利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法，其特征在于，所述骨干网络，输出多尺度特征图，当输入图像的大小为H×W时，FPN特征的大小为；l表示金字塔级别，通常等于，检测头由四个3×3卷积层组成，获得的特征金字塔涵盖不同程度大小的分辨率和语义信息。
3.根据权利要求1所述的...
【技术特征摘要】
1.一种利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法，包括建立鲍鱼幼苗数据集，将鲍鱼幼苗数据集分为测试集和训练集，其特征在于，将训练集输入横向跨尺度查询矩阵融合鲍鱼幼苗检测算法中，所述横向跨尺度查询矩阵融合鲍鱼幼苗检测算法具体为：建立模型、训练模型；
2.根据权利要求1所述的利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法，其特征在于，所述骨干网络，输出多尺度特征图，当输入图像的大小为h×w时，fpn特征的大小为；l表示金字塔级别，通常等于，检测头由四个3×3卷积层组成，获得的特征金字塔涵盖不同程度大小的分辨率和语义信息。
3.根据权利要求1所述的利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法，其特征在于，所述dgam模块为：
4.根据权利要求1所述的利用横向跨尺度融合查询矩阵检测鲍鱼幼苗的方法，其特征在于，所述训练模型为：建立好模型，然后导入图片到模型中训练，每训练完一轮之后，将验证集中的图片输入到训练后的神经网络中，计算出模型的预测准确率；训练过程迭代4000次，进行更新参数；重复上述训练过程至模型收敛，并保存在训练过程中的在验证集上准确率最高的模型，为最终模型。
5.根据权利要求1所述的利用横向跨尺度融合查询...
【专利技术属性】
技术研发人员：岳峻，戴昌怡，王庆，常丽荣，寇光杰，李振波，贾世祥，岳杨，祁琪，
申请(专利权)人：鲁东大学，
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。