복합 어망: 저품질 수중 비디오에서 어류 탐지 및 종 인식

수중 비디오에서 어류의 자동 탐지 및 식별은 어업 자원 평가 및 생태 환경 모니터링에 매우 중요한 의미가 있습니다. 그러나 수중 이미지의 낮은 품질과 물고기의 비제한 움직임 때문에 전통적인 수작업 설계 특징 추출 방법이나 컨볼루션 신경망(CNN) 기반 객체 탐지 알고리즘은 실제 수중 장면에서 탐지 요건을 충족할 수 없습니다. 따라서 복잡한 수중 환경에서 어류 인식 및 로컬라이제이션을 실현하기 위해, 본 논문은 복합 백본과 강화 경로 집계 네트워크를 기반으로 한 새로운 복합 어류 탐지 프레임워크인 Composited FishNet을 제안합니다. 잔여 네트워크(ResNet)를 개선하여 새로운 복합 백본 네트워크(CBresnet)를 설계하여 이미지 밝기, 물고기 방향, 해저 구조, 수생 식물의 움직임, 물고기 종의 형태와 질감 차이 등으로 인한 장면 변화 정보를 학습합니다. 따라서 수중 환경 정보가 객체 특성에 미치는 간섭이 감소하고, 주요 네트워크의 객체 정보 출력이 강화됩니다. 또한 CBresnet에서 출력되는 고급 및 저급 특징 정보를 보다 잘 통합하기 위해, 선형 업샘플링으로 인한 의미 정보의 불충분한 활용을 해결하기 위해 강화 경로 집계 네트워크(EPANet)도 설계되었습니다. 실험 결과, 제안된 Composited FishNet의 평균 정밀도(AP) 0.5:0.95, AP 50 및 평균 재현율(AR) max=10은 각각 75.2%, 92.8% 및 81.1%입니다. 복합 백본 네트워크는 탐지된 객체의 특성 정보 출력을 강화하고 특성 정보의 활용도를 개선합니다. 이 방법은 해양 및 수산 양식과 같은 복잡한 수중 환경에서 어류 탐지 및 식별에 사용될 수 있습니다.