江苏大学学报(自然科学版)

作者：齐雷，胡姣婵，于双和，阎妍，赵颖

单位：1. 大连海事大学 船舶电气工程学院， 辽宁 大连 116026； 2. 大连海事大学 环境科学与工程学院， 辽宁 大连 116026

关键词：检测器, 浮游生物,  深度学习, 感受野, 低级特征信息

基金：&nbsp;国家重点研发计划项目（2018YFC1406405）； 国家自然科学基金资助项目(62073054,&nbsp; 62003070)； 中国博士后科学基金资助项目(2020M680037,2020M680930)；辽宁省自然科学基金资助项目(2021MS142)； 中央高校基本科研业务费资助项目(3132020107)<br />

针对传统海洋浮游生物利用人工提取特征的传统检测方法，存在检测精度低、检测过程冗余等问题，基于深度学习技术，提出了多模块融合的浮游生物检测器(multi module fusion single shot detector，MMFSSD).首先，提出了特征信息增强模块，在不增加网络复杂性的前提下增加了网络的感受野，将下采样图像注入该模块中，以增强特征图的低级特征信息.在此基础上，进一步提出了选择性特征融合模块，在网络中学习融合时的权重，选择性地融合不同尺度的特征.有效性验证试验结果表明，在数据集PASCAL VOC和MS COCO中的平均精度均值分别为80.70%和32.20%，在浮游生物数据集PMID2019中的平均精度均值达到90.41%.

来源：2021年第6期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2021年第6期