YOLOv3-CBAM长江禁捕垂钓场景识别模型研究

作者：彭迪; 吴太夏^*; 王树东; 鞠茂森

来源：人民长江, 2023, 54(02): 220-233.

DOI：10.16232/j.cnki.1001-4179.2023.02.033

• YOLOv3算法
• 长江禁渔
• 河湖管理与保护
• 注意力机制
• 迁移学习

河湖水域岸线管控是河湖长制的重要内容，实施长江十年禁渔以来，长江岸线的非法捕捞行为屡禁不止，应用卫星-无人机-地面视频监控等遥感手段联合进行岸线禁捕场景识别成为趋势。为了实现对禁捕中垂钓行为的快速智能化精确检测，采用深度学习方法，利用Microsoft Common Objects in Context(COCO)数据集训练出一个具有较强特征提取能力的预训练权重，借助迁移学习的思想解决了目前禁捕场景样本量少的问题。为了增强对小目标的检测效果，在目标检测网络YOLOv3的基础上添加多个注意力机制模块，形成改进后的网络模型YOLOv3-CBAM。实验结果表明：YOLOv3算法采用迁移学习的训练策略，可以加快模型的收敛速度，提高模型的识别精度，将精度从78.57%提升至93.27%;添加注意力机制模块之后，在模型参数几乎不增加的情况下，识别精度又可提升到93.99%。研究成果可为长江流域禁捕垂钓的实时动态监管提供技术支持。

• 单位
  河海大学; 中国科学院