-
公开(公告)号：CN111080531B
公开(公告)日：2024-02-23
申请号：CN202010027630.3
申请日：2020-01-10
Applicant: 北京农业信息技术研究中心
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464
Abstract: 本发明实施例提供一种水下鱼类图像的超分辨率重建方法、系统及装置，该方法包括：获取水下相机拍摄的低分辨率鱼类原始图像；将低分辨率鱼类原始图像输入至图像超分辨率重建模型中的生成器网络，获取与低分辨率鱼类原始图像相对应的超分辨率重建后的高分辨率水下鱼类图像。该装置包括：水下相机、光源、光照度变送器以及控制处理器，光照度变送器能够感应环境的光线强度以通过控制处理器控制光源的光照强度为水下相机补光。本发明实施例通过构建生成判断网络模型，实现对于低分辨率鱼类原始图像的高分辨重建，解决了因养殖现场光照度低及不均匀、水体浑浊等原因导致采集的水下鱼类图像质量差的问题，为小目标鱼类检测提供准确的、连续一致的基础。
-
Patent Agency Ranking
公开(公告)号：CN112528782A
公开(公告)日：2021-03-19
申请号：CN202011373485.0
申请日：2020-11-30
Applicant: 北京农业信息技术研究中心
Abstract: 本发明提供一种水下鱼类目标检测方法及装置，该方法包括：获取水下相机拍摄的待检测图像和无检测目标时的背景图像；将含有目标对象的待检图像和不含有目标对象的背景图片，分别输入预设的目标识别网络模型的主干网络和辅助网络，分别提取特征并进行主干网络和辅助网络的特征相减融合，根据相减融合后特征，输出标有鱼类定位信息的图片检测结果；其中，所述目标识别网络模型，根据已知目标对象作为标签的待检图像和背景图像作为样本训练后得到。通过主干网络和辅助网络的特征相减融合，可以有效去除环境干扰，从而提高待检测目标的检测准确率。
-
公开(公告)号：CN112766040A
公开(公告)日：2021-05-07
申请号：CN202011545764.0
申请日：2020-12-23
Applicant: 北京农业信息技术研究中心
Abstract: 本发明提供一种残余饵料的探测方法、设备、装置及可读存储介质，该方法通过对接收的视频取帧操作生成残饵图像，进行预处理后生成训练数据集和验证数据集。根据残余饵料特征对初始神经网络模型的算法网络结构进行修改，生成中间神经网络模型；设置中间神经网络模型的初始参数，将训练数据集和验证数据集输入至中间神经网络模型，对中间神经网络模型进行训练，生成目标神经网络模型；将测试图片输入至目标神经网络模型，输出残饵识别结果。本发明通过对根据残余饵料特征对初始神经网络模型的算法网络结构进行修改，使得初始神经网络模型与饵料的特征进行匹配，能够更好的排除外界环境的干扰，从而提高了残饵的识别精度。
-
公开(公告)号：CN111080531A
公开(公告)日：2020-04-28
申请号：CN202010027630.3
申请日：2020-01-10
Applicant: 北京农业信息技术研究中心
Abstract: 本发明实施例提供一种水下鱼类图像的超分辨率重建方法、系统及装置，该方法包括：获取水下相机拍摄的低分辨率鱼类原始图像；将低分辨率鱼类原始图像输入至图像超分辨率重建模型中的生成器网络，获取与低分辨率鱼类原始图像相对应的超分辨率重建后的高分辨率水下鱼类图像。该装置包括：水下相机、光源、光照度变送器以及控制处理器，光照度变送器能够感应环境的光线强度以通过控制处理器控制光源的光照强度为水下相机补光。本发明实施例通过构建生成判断网络模型，实现对于低分辨率鱼类原始图像的高分辨重建，解决了因养殖现场光照度低及不均匀、水体浑浊等原因导致采集的水下鱼类图像质量差的问题，为小目标鱼类检测提供准确的、连续一致的基础。
-
公开(公告)号：CN112528782B
公开(公告)日：2024-02-23
申请号：CN202011373485.0
申请日：2020-11-30
Applicant: 北京农业信息技术研究中心
IPC: G06V20/05 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 准确率。本发明提供一种水下鱼类目标检测方法及装置，该方法包括：获取水下相机拍摄的待检测图像和无检测目标时的背景图像；将含有目标对象的待检图像和不含有目标对象的背景图片，分别输入预设的目标识别网络模型的主干网络和辅助网络，分别提取特征并进行主干网络和辅助网络的特征相减融合，根据相减融合后特征，输出标有鱼类定位信息的图片检测结果；其中，所述目标识别网络模型，根据已知目标对象作为标签的待检图像和背景图像作为样本训练后得到。(56)对比文件刘有用等“.不平衡数据集下的水下目标快速识别方法”《.计算机工程与应用》.2019,第1-8页.魏文钰等“.基于深度学习的行人再识别技术研究综述”《.计算机应用》.2020,第40卷(第9期),第2479-2492页.郭守向等“.Yolo-C：基于单阶段网络的X光图像违禁品检测”《.激光与光电子学进展》.2020,第1-12页.Yudong Liu等“.CBNet: A NovelComposite Backbone Network Architecturefor Object Detection”《.arxiv》.2019,第1-8页.Liu S等“.Path Aggregation Network forInstance Segmentation”《.Salt Lake City》.2018,第1-13页.Jiaqi Wang等“.CARAFE：Content-AwareReAssembly of FEatures”《.Seoul,Korea》.2019,第3007-3016页.
-
公开(公告)号：CN112766040B
公开(公告)日：2024-02-06
申请号：CN202011545764.0
申请日：2020-12-23
Applicant: 北京农业信息技术研究中心
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种残余饵料的探测方法、设备、装置及可读存储介质，该方法通过对接收的视频取帧操作生成残饵图像，进行预处理后生成训练数据集和验证数据集。根据残余饵料特征对初始神经网络模型的算法网络结构进行修改，生成中间神经网络模型；设置中间神经网络模型的初始参数，将训练数据集和验证数据集输入至中间神经网络模型，对中间神经网络模型进行训练，生成目标神经网络模型；将测试图片输入至目标神经网络模型，输出残饵识别结果。本发明通过对根据残余饵料特征对初始神经网络模型的算法网络结构进行修改，使得初始神经网络模
-
-
-
-
-
Search Results
6
records
(took 0.036 seconds)
