改进Mask+R-CNN的真实环境下鱼体语义分割.pdfVIP

第 38 卷 第 23 期 农 业 工 程 学 报 Vol.38 No.23 162 2022 年 12 月 Transactions of the Chinese Society of Agricultural Engineering Dec. 2022 改进 Mask R-CNN 的真实环境下鱼体语义分割 郭 奕，黄佳芯，邓博奇，刘洋成 （西华大学电气与电子信息学院，成都 610000 ） 摘 要：鱼体语义分割是实现鱼体三维建模和语义点云、计算鱼体生长信息的基础。为了提高真实复杂环境下鱼体语义 分割精度，该研究提出了 SA-Mask R-CNN 模型，即融合 SimAM 注意力机制的 Mask R-CNN 。在残差网络的每一层引入 注意力机制，利用能量函数为每一个神经元分配三维权重，以加强对鱼体关键特征的提取；使用二次迁移学习方法对模 型进行训练，即首先利用COCO 数据集预训练模型在Open Images DatasetV6 鱼类图像数据集完成第一次迁移学习，然后 在自建数据集上完成第二次迁移学习，利用具有相似特征空间的 2 个数据集进行迁移学习，在一定程度上缓解了图像质 量不佳的情况下鱼体语义分割精度不高的问题。在具有真实养殖环境特点的自建数据集上进行性能测试，结果表明， SA-Mask R-CNN 网络结合二次迁移学习方法的交并比达 93.82%，综合评价指标达 96.04%，分割效果优于 SegNet 和 U-Net++ ，较引入 SENet 和 CBAM （Convolutional Block Attention Module, CBAM ）注意力模块的Mask R-CNN 交并比分 别提升了 2.46 和 1.0 个百分点，综合评价指标分别提升了 2.57 和 0.92 个百分点，模型参数量分别减小了 4.7 和 5 MB 。 研究结果可为鱼体点云计算提供参考。 关键词：深度学习；语义分割；注意力机制；鱼体分割；二次迁移学习 doi ：10.11975/j.issn.1002-6819.2022.23.017 中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2022)-23-0162-08 郭奕，黄佳芯，邓博奇. 改进Mask R-CNN的真实环境下鱼体语义分割[J]. 农业工程学报，2022，38(23)：162-169. doi ：10.11975/j.issn.1002-6819.2022.23.017 Guo Yi, Huang Jiaxin, Deng Boqi, et al. Semantic segmentation of the fish bodies in real environment using improved Mask-RCNN model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(23): 162- 169. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.23.017