U-Fish:一种基于密度图回归的鱼群计数方法

摘要

[目的]针对现有鱼群计数方法在实际应用中遇到的水面反光、鱼群重叠、模型细节丢失和模型参数量大等问题，本文提出了一种基于密度图回归的鱼群计数方法。[方法]网络结构方面，构建U-Fish网络结构，实现鱼群精确计数，同时优化模型参数，减轻计算负担；损失函数方面，引入多尺度密度水平一致性损失和结构相似性损失，实现对欧几里得距离损失函数的优化，提高密度图生成质量；图像增强方面，使用混合图像增强，利用CLAHE图像增强方法优化图像质量，减轻图像反光问题，并混合原图与增强后的图像进行计数。[结果]试验结果表明，U-Fish网络的MAE为4.05,RMSE为5.48,与主流的计数模型相比，取得了最优的精度，同时保持了较小的参数量。[结论]U-Fish模型能够有效解决现有鱼群计数方法中精度有限和模型计算负担过重的问题。

关键词

鱼群计数 / 密度图回归计数 / 图像增强 / 深度学习