来源：期刊VIP网 时间：
作者：郑艳梅;荣仑;芦碧波;牛永斌;张欣;
单位：河南理工大学计算机科学与技术学院;河南理工大学资源环境学院;
摘要：有孔虫化石的属级鉴定在地层划分与对比、古环境和古气候重建等方面具有重要应用,其传统分类依赖工作人员经验,成本高、周期长、工作量大,为此本文提出了一种基于深度学习的有孔虫目标检测方法:焦点调制主干网络FocalNet-YOLO。该方法以YOLOv5网络为基础,结合焦点网络(FocalNet)的焦点调制思想,使用焦点调制(focalmodulation)作为转换器(transformer)网络内部令牌(token),优化YOLO网络结构,提高了目标检测精确度与召回率等评价指标。实验结果表明:该算法可以检测出21个有孔虫属且全类平均准确率达到99.6%,召回率达到99.8%,模型大小减小22.2%,一帧推理时间为28.1毫秒;该方法有助于有孔虫化石迅速确定属名,有助于迅速检测样本地质年代,具有潜在的应用价值。
关键词：有孔虫化石;;深度学习;;目标检测;;FocalNet网络;;YOLO模型;;Transformer架构
基金资助：国家自然科学基金面上项目(42272178);; 2021年度河南省高等学校重点科研项目资助计划(编号:21A520016)联合资助~~
