SMILES-Net虾苗计数网络

细粒度特征保真

一种基于密度图预测的深度学习网络，通过合成融合模块与块内融合模块构建平滑尺度空间，解决池化导致的小目标特征丢失问题，实现精准虾苗计数。

Yi-Kuan, Hsieh · Hsieh, Junwei · Hu, Wuchih · Yu-Chee, Tseng

IEEE Internet of Things Journal 2024

技术优势

提升小目标特征保真度

池化操作将特征图缩小至1/4，导致小虾特征消失；本工作提出的SFM与IFM构建更平滑的尺度空间，生成更精细的热图，提高计数精度。

性能超越现有最优方法

在多个虾苗计数数据集上评估，本方法超越所有SoTA方法，验证了其优越性。

轻量版支持实时计数

提出轻量级LW-SMILES-Net，在不牺牲精度的前提下实现实时虾苗计数，适合边缘设备部署。

应用场景

• 智能水产养殖：自动计数虾苗以指导投喂，减少人工并实时调控养殖环境。
• 农业机器人视觉：为养殖机器人提供精准视觉计数能力，实现自动化作业。
• 水下机器人感知：水下机器人可借助该网络对虾苗进行识别计数，扩展感知功能。
• 工业视觉计数：将密度图预测框架用于其他微小目标的工业计数场景。