CN113537106B 一种基于YOLOv5的鱼类摄食行为识别方法 （仲恺农业工程学院）_第1页
CN113537106B 一种基于YOLOv5的鱼类摄食行为识别方法 （仲恺农业工程学院）_第2页
CN113537106B 一种基于YOLOv5的鱼类摄食行为识别方法 （仲恺农业工程学院）_第3页
CN113537106B 一种基于YOLOv5的鱼类摄食行为识别方法 （仲恺农业工程学院）_第4页
CN113537106B 一种基于YOLOv5的鱼类摄食行为识别方法 （仲恺农业工程学院）_第5页
已阅读5页，还剩28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

A,2021.01.26A,2021.01.08A,2020.02.14A,2020.07.102S2、将训练集和验证集中的图片输入YOLOv5网络模型进所述YOLOv5网络模型包括依次连接的输入端、Backbone骨干网络、S2-3、特征融合：将S2-2步骤得到的三个不同所述Neck网络采用FPN+PAN的结构，特征金字塔FPN利用hoywx)-0.5+cxw))23h))2xS2-1步骤图片预处理后的尺寸为640×640×3，YOLOv5网络模型的初始锚框设定为[116，采用跨网格匹配，即从真实框所在网格的上下左右的四hyp＝44x)-0.5+cxw))2h))2x))；56[0009]所述S2步骤中的YOLOv5网络模型包括依次连接的输入端、Backbone骨干网络、[0010]S2-1、图片预处理：图片进入输入端，输入端对图片进行预处理，预处理包括7[0014]Head输出端包括损失函数和非极大值抑制(NMS)。YOLOv5的损失函数包括分类损片中鱼群中的鱼按照其摄制状态进行标注是使用LabelImg来进行标注，标注后的文件以(Epoch)为300次，每次模型训练的输入图片数量(Batchsize)为12，模型初始学习率为89样本匹配的真实框的置信度为真实框和正样本的交并比；不匹配的预测框则作为负样本，[0043]进一步地，所述损失函数包括分类损失函数loss(class)、定位损失函数loss最快达0.007s，即每秒可处理140帧，满足视频图像实时检测需求，同时结构更为小巧，[0071]S2-1、图片预处理：图片进入输入端，输入端对图片进行预处理，预处理包括理后的固定尺寸大小为640×640×3，YOLOv5网络模型的初始锚框设定为[116，90，156，[0076]YOLOv5模型里中设计了2种跨阶段局部网络CSP(CrossStagePartialNetwork)[0082]Head输出端包括损失函数和非极大值抑制(NMS)。YOLOv5的损失函数包括分类损数(Epoch)为300次，每次模型训练的输入图片数量(Batchsize)为12，模型初始学习率为[0086]YOLOv5的Head输出端包括Detect结构，本实施例中，特征图F2、P1、P2输入到样本匹配的真实框的置信度为真实框和正样本的交并比IoU；不匹配的预测框则作为负样[0116]mAP(meanaverageprecision)表示平均准确率均[0117]多次测试表明，用本发明的方法训练的YOLOv5模型的目标定位

人人文库> 全部分类> 行业资料 > 信息产业

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。

最新文档

评论

0/150

提交评论