基于EfficientNetV2-HDCA模型水下鱼类图像分类算法研究

来源：电子测量技术杂志2022年第22期北京时间：

作者：龚瑞昆，赵学智，赵福生

单位：1.华北理工大学电气工程学院 唐山 063210;2.秦皇岛路田科技有限公司 秦皇岛 066010

摘要：针对现有的鱼类分类网络模型抗干扰能力差、耗费计算资源高、难以在野外部署等问题，该研究提出了一种基于改进EfficientNetV2模型的轻量化鱼类智能分类鉴定模型。该模型通过引入混合空洞卷积和坐标注意力模块改进主干网络EfficientNetV2的模型结构，增大感受野的同时，提高模型对目标细粒度特征的全局关注力，增强模型的抗干扰能力。训练后通过对比消融实验对模型进行评价，结果表明该研究提出的EfficientNetV2-HDCA模型在验证集上的准确率为97.01%，相较于改进前准确率提升了3.8个百分点。改进后的EfficientNetV2-HDCA模型参数量为 22.06MB，较改进前增加了0.45MB。为了直观的展示该研究提出的EfficientNetV2-HDCA模型的有效性，又通过了Grad-CAM热力实验，实验结果表明该模型较改进前可以更加全面的提取鱼类的关键部位特征，具有一定的抗干扰能力。

关键词：湿地;水下图像分类;EfficientNetV2;混合空洞卷积;坐标注意力

基金资助：基于物联网滨海湿地生态监测及预警系统研制(No. 20150212C)