CN119445348A 一种基于迁移学习的改进YOLOv8鱼类图像识别方法 (绍兴市曹娥江大闸投资开发有限公司)_第1页
CN119445348A 一种基于迁移学习的改进YOLOv8鱼类图像识别方法 (绍兴市曹娥江大闸投资开发有限公司)_第2页
CN119445348A 一种基于迁移学习的改进YOLOv8鱼类图像识别方法 (绍兴市曹娥江大闸投资开发有限公司)_第3页
CN119445348A 一种基于迁移学习的改进YOLOv8鱼类图像识别方法 (绍兴市曹娥江大闸投资开发有限公司)_第4页
CN119445348A 一种基于迁移学习的改进YOLOv8鱼类图像识别方法 (绍兴市曹娥江大闸投资开发有限公司)_第5页
已阅读5页,还剩26页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

司一种基于迁移学习的改进YOLOv8鱼类图像本发明公开了一种基于迁移学习的改进类图像数据集按照鱼的种类对应着标注上种类试集;对标准的YOLOv8模型进行改进;采用ImageNet数据集中所有鱼类图像对改进的2S200、将所述鱼类图像数据集按照鱼的种类对应着标注上种类名S400、采用ImageNet数据集中所有鱼类图像对改进的所述YOLOv8模型进行预训练,并S600、通过优化后的改进所述YOLOv8模型对所述测试集进S310、用SPD卷积模块替换骨干网络中原有的所S320、将骨干网络中的所述C2f融合模块替换为ff-1:H:s,1:W:s];-1:W:s].3S322、通过深度可分离卷积对步骤S321生成的特征2是大小为HXWXC2的最终输出特征图;是大小为C2XC1的逐点卷积核;45S410、从所述ImageNet数据集中提取出所有包含的6[0005][0005]本发明的目的在于提供一种基于迁移学习的改进YOLOv8鱼类图像识别方法从而[0010]S300、对标准的YOLOv8模型进行改进,其内容主要包括骨干网络中的CBS卷积模[0011]S400、采用ImageNet数据集中所有鱼类图72C1;8Ydw是大小为H×W×C1的深度卷积后的特征图;2是输出特征图的通道;9[0081]本发明公开了一种基于迁移学习的改进YOLOv8鱼类图像识别方法,包括以下步改进的YOLOv8模型进行预训练,并将得到的权重参数迁移至模型中;利用训练集和验证集[0082](1)本发明提出了一种基于迁移学习的改进YOLOv8鱼类图像识别方法,相较于其[0102]S300、对标准的YOLOv8模型进行改进,其内容主要包括骨干网络中的CBS卷积模[0103]S400、采用ImageNet数据集中所有鱼类图[0104]S500、利用训练集和验证集对迁移学习后的改进YOLOv8模型进行优化参数训2C1;4C1。[0130]步骤S320中的轻量级Ghost模块的结构示意图如图4所示,具体方法包括以下步Ydw是大小为H×W×C1的深度卷积后的特征图;2是输出特征图的通道;[0179]本发明公开了一种基于迁移学习的改进YOLOv8鱼类图像识别方法,包括以下步改进的YOLOv8模型进行预训练,并将得到的权重参数迁移至模型中;利用训练集和验证集[0180](1)本发明提出了一种基于迁移学习的改进YOLOv8鱼类图像识别方法,相较于其

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论