基于DeepLabCut的观赏鱼姿态估计
作者机构:湖北省水电工程智能视觉监测重点实验室<三峡大学>湖北宜昌443002 水电工程智能视觉监测宜昌市重点实验室<三峡大学>湖北宜昌443002 三峡大学计算机与信息学院湖北宜昌443002
出 版 物:《电脑编程技巧与维护》 (Computer Programming Skills & Maintenance)
年 卷 期:2024年第2期
页 面:135-139页
学科分类:02[经济学] 0202[经济学-应用经济学]
基 金:水电工程智能视觉监测湖北省重点实验室建设(2019ZYYD007)。
主 题:鱼类 姿态估计 DeepLabCut方法
摘 要:姿态估计是计算机视觉领域的研究热点之一,针对观赏鱼的姿态检测旨在从给定的图像或视频中识别观赏鱼的背部关键部位。由于观赏鱼在水下运动多变,所以容易产生运动模糊和遮挡等问题。首先,提出了一种基于DeepLabCut的观赏鱼背部姿态识别方法,对比选择了轻量级深度卷积神经网络EfficientNet-B0,用于提取观赏鱼背部关键点的特征。同时,结合迁移学习领域的微调技术,通过微调网络模型,使其更适应观赏鱼背部姿态的检测任务。其次,采用Adam优化器并设置了自适应学习率调整策略,以加快网络模型的训练速度。最后,设计了最优的关键点分布方式和关键点大小,最大化提取有效特征,以提高观赏鱼背部姿态识别的准确性和鲁棒性。实验结果表明,DeepLabCut观赏鱼姿态识别方法获得了较高的识别精度,RMSE(RootMeanSquaredError)平均误差不到4像素。