.png){kind=icon}
返回
FishMP: multi-scale parallel perception for efficient underwater fish detection
.png){kind=icon}
OA
AI
DOI：10.2166/hydro.2025.097.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
水下鱼类检测因光照变化、水体浊度和尺度差异而面临重大挑战。本文提出了一种新型鱼类检测模型FishMP，该模型整合了高效的多尺度并行感知模块（MPPM）和P2多分支级联序列融合网络。MPPM采用多分支特征提取策略和注意力机制，以捕捉不同层级的特征，有效防止下采样过程中的关键信息丢失，并提高模糊目标的检测精度。为缓解特征融合过程中的信息损失，P2多分支网络通过三特征串行模块和有序融合路径进行优化。此外，引入额外的P2低级空间信息分支，以丰富鱼类的形态特征和空间位置特征，确保在复杂水下环境中的稳健性能。在DeepFish和Fishway水下数据集上的实验结果表明，FishMP在速度和精度方面实现了卓越的平衡。
Keyword:
multi-scale parallel perception module
object detection
P2 multi-branch concatenation sequence fusion network
underwater fish detection
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.2
论文数:
57
被引数:
2.5K
机构
引用论文
YOLOv9: Learning What You Want to Learn Using Programmable Gradient InformationYOLOv9: 使用可编程梯度信息学习您想要学习的内容
PREAI
分享收藏
分享收藏A realistic fish-habitat dataset to evaluate algorithms for underwater visual analysis真实的鱼类栖息地数据集，用于评估水下视觉分析的算法.png)
SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏HCF-Net: Hierarchical Context Fusion Network for Infrared Small Object DetectionHCF-Net：用于红外小目标检测的层次化上下文融合网络
PREAI
分享收藏Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测OAAI
OAAI分享收藏Development of a Multi-Dimensional Parametric Model With Non-Pharmacological Policies for Predicting the COVID-19 Pandemic CasualtiesIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容