公开(公告)号：CN118942123A

公开(公告)日：2024-11-12

申请号：CN202411411545.1

申请日：2024-10-11

Applicant: 吉林农业大学

Inventor： 周阳 ,  杨洋 ,  徐艳蕾 ,  黄东岩 ,  李陈孝 ,  李健 ,  杨昊

IPC: G06V40/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开一种基于MG‑ShuffleNet网络结构的冬捕鱼分类识别方法，属于图像识别和深度学习技术领域，根据冬捕鱼图像特征，将模型Stage2、Stage3和Stage4中的基本单元堆叠次数缩减一半（向下取整）；重新设计ShuffleNet V2的整体架构，采用提出的多尺度空洞融合模块替换ShuffleNet V2基本单元和下采样单元中的卷积，并删除右分支中不重要的卷积，旨在通过利用多种空洞率增强特征表达，并降低网络的参数量和计算量。设计了一种全局通道‑空间注意力模块，该模块旨在捕捉特征图中的全局依赖关系，提高模型性能。为了进一步提高模型的识别精度，并使用Mish激活函数来替代传统的ReLU激活函数。此外，将最大池化替换为平均池化，以增强模型的鲁棒性。

公开(公告)号：CN118942123B

公开(公告)日：2024-12-24

申请号：CN202411411545.1

申请日：2024-10-11

Applicant: 吉林农业大学

Inventor： 周阳 ,  杨洋 ,  徐艳蕾 ,  黄东岩 ,  李陈孝 ,  李健 ,  杨昊

IPC: G06V40/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开一种基于MG‑ShuffleNet网络结构的冬捕鱼分类识别方法，属于图像识别和深度学习技术领域，根据冬捕鱼图像特征，将模型Stage2、Stage3和Stage4中的基本单元堆叠次数缩减一半（向下取整）；重新设计ShuffleNet V2的整体架构，采用提出的多尺度空洞融合模块替换ShuffleNet V2基本单元和下采样单元中的卷积，并删除右分支中不重要的卷积，旨在通过利用多种空洞率增强特征表达，并降低网络的参数量和计算量。设计了一种全局通道‑空间注意力模块，该模块旨在捕捉特征图中的全局依赖关系，提高模型性能。为了进一步提高模型的识别精度，并使用Mish激活函数来替代传统的ReLU激活函数。此外，将最大池化替换为平均池化，以增强模型的鲁棒性。