基于Faster R-CNN和图像增强的水下鱼类目标检测方法

作     者：袁红春 张硕 YUAN Hongchun;ZHANG Shuo

作者机构：上海海洋大学信息学院上海201306 

出 版 物：《大连海洋大学学报》 (Journal of Dalian Ocean University)

年 卷 期：2020年第35卷第4期

页      面：612-619页

核心收录：

学科分类：08[工学] 0804[工学-仪器科学与技术] 

基　　金：国家自然科学基金(41776142) 上海市科学技术委员会支撑项目(1439190400)。 

主　　题：深度学习 鱼类检测 Faster R-CNN算法 MSRCR算法 迁移学习 

摘      要：为了克服水下鱼类图像样本量不足及实现对水下低清晰度图像中鱼类的快速检测,提出了一种基于Faster R-CNN二次迁移学习和带色彩恢复的多尺度视网膜增强算法(MSRCR)的方法,首先通过ImageNet预训练模型对Open Images高清鱼类数据集进行一次迁移学习初步训练网络,然后固定检测模型低3层的卷积网络参数,再用水下拍摄的小规模鱼类数据集进行二次迁移学习微调网络,最后通过MSRCR算法对水下拍摄图像进行处理以增强其与高清鱼类图像的相似性,解决水下图像降质问题,让二次迁移学习高效进行。结果表明,该方法利用小规模水下拍摄鱼类数据集训练出的网络查准率可达到98.12%,网络检测能力及后续提升能力优于传统机器学习方法,并能够实现鱼类目标的快速检测,本研究结果可为深海探测作业与海底鱼类等生物资源的监测、保护和可持续开发等工程应用提供一定的参考。