您当前的位置:
首页 >
文章列表页 >
基于动态特征增强的水下鱼类目标检测
信息科学 | 更新时间:2026-02-14
    • 基于动态特征增强的水下鱼类目标检测

    • Dynamic feature-augmented for detection of underwater fish targets

    • 介绍了其在水下鱼类监测领域的研究进展,相关专家基于YOLOv8n框架提出FDN-YOLO模型,为应对水下复杂环境影响提供解决方案。
    • 光学精密工程   2026年34卷第3期 页码:481-496
    • DOI:10.37188/OPE.20263403.0481    

      中图分类号: TN911.7;TP391
    • CSTR:32169.14.OPE.20263403.0481    
    • 收稿:2025-10-10

      修回:2025-10-30

      纸质出版:2026-02-10

    移动端阅览

  • 朱晓龙,陈郁隈,王嘉宇等.基于动态特征增强的水下鱼类目标检测[J].光学精密工程,2026,34(03):481-496.

    ZHU Xiaolong,CHEN Yuwei,WANG Jiayu,et al.Dynamic feature-augmented for detection of underwater fish targets[J].Optics and Precision Engineering,2026,34(03):481-496.

  •  
  •  

0

浏览量

142

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

改进U-Net的全局特征融合水下图像增强网络
改进YOLOv8n的复杂环境下垃圾轻量化检测
采用空间注意力机制的红外弱小目标检测网络
改进YOLOv8n的复杂环境下垃圾轻量化检测方法

相关作者

高绍姝
焦广森
李广峰
刘宗恩
孙世政
何玲玲
郑帅
何泽银

相关机构

中国石油大学(华东) 青岛软件学院、计算机科学与技术学院, 山东省智能油气工业软件重点实验室
中国石油大学(华东) 石油工业训练中心
重庆交通大学 机电与车辆工程学院
重庆交通大学 航运与船舶工程学院
中国科学院 沈阳自动化研究所
0