一种融合CBAM注意力机制和金字塔卷积的经济鱼类识别方法

作者：王德雨; 石伟; 张元良^*

来源：江苏海洋大学学报(自然科学版), 2023, 32(01): 73-80.

• 经济鱼类
• 注意力机制
• 金字塔卷积
• 鱼类分类

海洋经济鱼类图像资源相对较少，导致神经网络训练效果较差，难以对海洋经济鱼类形成有效监管。通过网络抓取并通过数据增广增加图像数量，以ResNet50为基础网络框架，引入卷积块模块注意力机制(CBAM)并且将基础网络中普通卷积替换成金字塔卷积(PyConv)。利用该模型对比目鱼、马鲛鱼、鲻鱼、海鲈鱼、黑鲷鱼和金枪鱼6种常见的海洋经济鱼类进行分类识别，实验结果表明，对于比目鱼、鲻鱼、海鲈鱼和金枪鱼的分类精确率达到了100%,对于马鲛鱼的分类精确率为98.4%,黑鲷鱼的分类精确率为98.3%。实验证明改进后的模型具有较高的识别精度。