物体検出に基づく軽量な細粒認識アルゴリズム

要旨 魚種の細粒認識を向上させるために、本稿では軽量な物体検出モデルYOLOv8n-DFGを提案する。このモデルは、フラットフィンセイルフィッシュ、ストライプマージリン、アトランティックブルーフィンツナ、ビッグアイツナ、ロングテールツナ、イエローフィンツナの6つの深海魚種を正確に識別し、リアルタイム検出と漁業監視の要件を満たしている。まず、FasterNetBlockとEMAアテンションメカニズムをYOLOv8ネットワーク構造に導入し、C2fを改善してC2f-FEモジュールを取得することで、このモデルは特徴抽出の精度と運用効率を向上させる。次に、BiFPN構造とC2f-FEモジュールを組み合わせて、マルチスケール特徴融合を達成する高速で軽量なネックネットワーク構造を構築する。さらに、Dysample動的アップサンプリングモジュールを導入し、YOLOv9からAdownダウンサンプリングモジュールを移植して、YOLOv8-FGという特徴ピラミッドサンプリング手法を最適化する。最後に、大サイズのYOLOv8s-FGを教師ネットワーク、CWDロス中間層の特徴蒸留手法に基づいて小サイズのYOLOv8n-FGを学生ネットワークとして使用して、最終モデルYOLOv8n-DFGを構築する。形態的に類似する6つの魚種を含むデータセットでの実験結果は、これらの改善の効果を示し、蒸留効果が顕著であることを示している。YOLOv8nと比較して、精度は7.8%、再現率は3.3%、mAP@50は5.6%向上し、FlOPsは42%減少し、モデルサイズは58%削減された。結果は、提案されたYOLOv8n-DFGが優れた精度とリアルタイム性能を示し、リアルタイムの細粒魚認識の要件を効果的に満たしていることを示している。