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：2026-09-11
上一篇|下一篇

    • 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

    • “研究人员基于YOLOv8n框架提出动态特征增强模型FDN-YOLO，通过构建多尺度可变形感受野模块、设计下采样轻量化空间重排深度可分离模块、提出自适应IoU与Varifocal Loss融合的损失函数，为解决水下鱼类高效监测问题提供解决方案。”
    • 朱晓龙 ，陈郁隈 ，王嘉宇 ，郭海涛 ，陈祥子
    • 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：
    • CSTR： 32169.14.OPE.20263403.0481     

    • 修回：2025-10-30 ，

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 13 ) 表( 7 )

  • 参考文献

  • 出版信息

  • 数据统计

618

浏览量

1068

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

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
聚晶立方氮化硼脉冲激光烧蚀传热与去除规律

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