• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于R-FCN_ResNet 的深海冷泉區(qū)生物的識(shí)別與分布研究

    2020-10-09 07:42:04李海菊管利聰李超倫欒振東
    海洋科學(xué) 2020年9期
    關(guān)鍵詞:冷泉貽貝深海

    李海菊, 連 超 , 管利聰, 李超倫 , 欒振東

    (1. 青島科技大學(xué) 自動(dòng)化與電子工程學(xué)院, 山東 青島 266061; 2. 中國科學(xué)院海洋地質(zhì)與環(huán)境重點(diǎn)實(shí)驗(yàn)室,山東 青島 266071; 3. 中國科學(xué)院海洋研究所深海中心, 山東 青島 266071; 4. 中國科學(xué)院海洋生態(tài)與環(huán)境科學(xué)重點(diǎn)實(shí)驗(yàn)室, 山東 青島 266071; 5. 中國科學(xué)院大學(xué), 北京 100049; 6. 中國科學(xué)院海洋大學(xué)科研究中心,山東 青島 266071)

    冷泉流體是海底沉積界面下溢出的由天然氣水合物分解后產(chǎn)生的一些富含甲烷、硫化氫和二氧化碳等組分的流體[1-3]。深海冷泉區(qū)活躍著大量化能自養(yǎng)菌, 其驅(qū)動(dòng)形成了繁茂的深海無脊椎生物群落[4], 主要包括以潛鎧蝦(Shinkaia crosnieriBaba & Williams,1998)為主的甲殼類和以深海偏頂蛤(Bathymodiolus platifrons)為主的貽貝。研究深海冷泉區(qū)生物的種類、數(shù)量、分布等情況是認(rèn)知冷泉生態(tài)系統(tǒng)的必然要求,對(duì)尋找天然氣水合物有重要參考價(jià)值, 同時(shí)也是后續(xù)評(píng)價(jià)資源開發(fā)、環(huán)境影響的重要依據(jù)[5]。然而, 從深海底采集獲得的超大數(shù)據(jù)量冷泉生物圖像給生物學(xué)家在數(shù)據(jù)處理與分析方面的工作增加了難度。如何快速準(zhǔn)確地識(shí)別生物種類和數(shù)取生物數(shù)量, 并且清晰直觀地復(fù)現(xiàn)海域生物分布情況, 是本文的研究方向和目的。

    基于深度學(xué)習(xí)的圖像目標(biāo)識(shí)別是當(dāng)前較為前沿的解決這類問題的方法。該方法利用深度神經(jīng)網(wǎng)絡(luò)自動(dòng)提取目標(biāo)物體的特征, 通過人工標(biāo)注數(shù)據(jù)集并進(jìn)行訓(xùn)練, 訓(xùn)練后導(dǎo)出的模型用于目標(biāo)物體的識(shí)別[6]??傮w來說, 主要包括兩個(gè)部分: 第一部分是特征提取網(wǎng)絡(luò), 用于提取不同層次、不同分辨率的語義特征。目前較為流行的有: AlexNet[7]、VGGNet[8]、ResNet[9]、MobileNet[10]等。第二部分是定位和分類網(wǎng)絡(luò), 通過學(xué)習(xí)第一部分提取出的圖像特征, 來找尋目標(biāo)物體的位置并指出目標(biāo)物體的類別, 這是圖像目標(biāo)識(shí)別方法的核心。

    自2013 年以來, 基于卷積神經(jīng)網(wǎng)絡(luò)(convolution neural networks, CNNs)的定位和分類網(wǎng)絡(luò)已然成為目標(biāo)檢測任務(wù)的主要算法之一, 它通過從低級(jí)特征構(gòu)建高級(jí)特征來學(xué)習(xí)特征層次結(jié)構(gòu), 以此實(shí)現(xiàn)對(duì)圖像中的目標(biāo)定位和分類[11]。目前主要分為兩大類: 一類是以Faster R-CNN[12]為代表的兩步檢測(Regionbased/Two-stage detector)算法; 另一類是以SSD(Single shot multibox detector)[13]為代表的單步檢測(Regionfree/One-stage detector)算法。

    基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法發(fā)展迅速, 多用于小樣本的遷移學(xué)習(xí), 在海洋生物領(lǐng)域也有涉及[14]。Lu 等[15]提出一種過濾深層卷積網(wǎng)絡(luò)(Filtering deep convolutional network, FDCNet)對(duì)深海生物進(jìn)行分類, 其分類準(zhǔn)確率分別比目前較為先進(jìn)的分類方法AlexNet、GooLeNet[16]、ResNet50 和ResNet101 高1.8%, 2.9%, 2.0%和1.0%。Zhou 等[17]提出了3 種專門用于水下成像的數(shù)據(jù)增強(qiáng)方法, 結(jié)合更快的基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)(Faster region-based convolutional neural network, Faster R-CNN)驗(yàn)證了該方法對(duì)海洋生物檢測和識(shí)別的有效性。用3 種數(shù)據(jù)增強(qiáng)方式得到的海洋生物增廣數(shù)據(jù)集, 相較于原始數(shù)據(jù)集,大大提高了Faster R-CNN 模型的效率。Liu 等[18]提出一種基于BP 神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Networks, BPNN)的三維海洋生物入侵預(yù)警模型。通過BP 神經(jīng)網(wǎng)絡(luò)檢測不同流速下海洋生物與入侵生物的密度, 以此估計(jì)它們之間的關(guān)系, 并建立預(yù)警模型。實(shí)驗(yàn)結(jié)果表明, 該預(yù)警模型能夠有效地描述入侵強(qiáng)度和預(yù)警等級(jí)。以上文獻(xiàn)為本文深海冷泉生物的識(shí)別提供了思路。

    本文改進(jìn)識(shí)別準(zhǔn)確度較高的深度學(xué)習(xí)模型——R-FCN_ResNet, 以此研究復(fù)雜背景下深海冷泉生物的識(shí)別。首先, 本文使用中國科學(xué)院海洋研究所(IOCAS)提供的中國臺(tái)西南冷泉區(qū)的圖像, 建立了深海冷泉生物數(shù)據(jù)庫。然后, 使用基于區(qū)域的全卷積網(wǎng)絡(luò)(Region-based fully convolutional networks,R-FCN)來學(xué)習(xí)數(shù)據(jù)庫的參數(shù), 并進(jìn)行識(shí)別和分類。最后復(fù)現(xiàn)了該片海域主要的生物分布情況。

    1 R-FCN_ResNet 算法

    1.1 R-FCN 檢測框架

    基于區(qū)域的全卷積網(wǎng)絡(luò)屬于兩步檢測算法[19],其網(wǎng)絡(luò)結(jié)構(gòu)見圖1。所謂兩步檢測, 第一步就是從一系列特征圖中提取目標(biāo)物體特征, 生成分類獨(dú)立的區(qū)域建議網(wǎng)絡(luò)(Region proposal network, RPN)[20]和位置敏感得分圖, 即找到圖像中含有目標(biāo)物體的候選框, 并且給出每個(gè)候選框的對(duì)應(yīng)得分。該部分實(shí)現(xiàn)了區(qū)域建議網(wǎng)絡(luò)與分類網(wǎng)絡(luò)之間的權(quán)值共享, 提升了網(wǎng)絡(luò)檢測的速度和性能。第二步就是利用非極大值抑制(Non-maximum suppression, NMS), 對(duì)具體類概率和位置回歸的綜合得分進(jìn)行去重和投票, 以此達(dá)到定位和分類目標(biāo)物體的目的。該部分是R-FCN 框架的關(guān)鍵部分。

    圖1 R-FCN 網(wǎng)絡(luò)結(jié)構(gòu)Fig. 1 R-FCN network structure

    1.2 ResNet 特征提取網(wǎng)絡(luò)

    2015 年, 在 ImageNet 挑戰(zhàn)賽上, 殘差網(wǎng)絡(luò)(Residual networks, ResNet)在圖像分類任務(wù)上取得了很高的準(zhǔn)確率, 在眾多網(wǎng)絡(luò)中脫穎而出[21-22]。圖2展示了ResNet 模型的基礎(chǔ)結(jié)構(gòu): 殘差學(xué)習(xí)塊。其中,X表示恒等映射,F(X)表示殘差映射, ReLU(Rectified linear unit)表示激活函數(shù)。

    圖2 殘差學(xué)習(xí)塊Fig. 2 Residual learning block

    殘差學(xué)習(xí)塊并不是通過一個(gè)層或者多個(gè)層直接擬合所需的映射, 而是將恒等映射和殘差映射同時(shí)擬合進(jìn)所需的映射中, 以此提取到從淺層到深層的特征。因此, ResNet 利用殘差學(xué)習(xí)塊, 解決了深度卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練速度慢和容易出現(xiàn)梯度爆炸或梯度消失的問題。

    1.3 算法改進(jìn)

    在提取更細(xì)微和更深層次的目標(biāo)物體特征時(shí),R-FCN 算法達(dá)不到很好的效果。特別是在對(duì)本文研究對(duì)象——潛鎧蝦和貽貝這種小目標(biāo)物體進(jìn)行檢測時(shí), 往往會(huì)發(fā)生錯(cuò)檢和漏檢的情況。而ResNet 利用其獨(dú)特的殘差注意力機(jī)制提取從淺層到深層的圖像特征, 使不同層次的特征圖能夠捕捉圖像中的多種響應(yīng)結(jié)果。因此本文將ResNet 作為目標(biāo)檢測的基礎(chǔ)網(wǎng)絡(luò), 用于特征提取。 改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)R-FCN_ResNet 見圖3。

    圖3 R-FCN_ResNet 網(wǎng)絡(luò)結(jié)構(gòu)Fig. 3 R-FCN_ResNet network structure

    另外, 對(duì)于小目標(biāo)物體檢測, 在提取候選框時(shí),如果anchor[13]過大, 會(huì)導(dǎo)致許多重要信息丟失。因此為了提取到更多有用的信息, 本文設(shè)置了更小尺寸的anchor。

    2 數(shù)據(jù)集制作與模型訓(xùn)練

    本文主要對(duì)深海冷泉生物圖像進(jìn)行識(shí)別研究,并復(fù)現(xiàn)某片海域的生物分布情況。圖4 是本文的研究流程圖。研究步驟包括: 數(shù)據(jù)集制作、模型訓(xùn)練、模型評(píng)估。其中, 數(shù)據(jù)集制作包括圖像獲取、圖像切割、圖像標(biāo)注和圖像格式轉(zhuǎn)換等步驟; 模型訓(xùn)練是整個(gè)研究的重心部分, 包括框架搭建、參數(shù)設(shè)定、參數(shù)整定等內(nèi)容; 模型評(píng)估主要從多個(gè)方面對(duì)比單步檢測網(wǎng)絡(luò)和兩步檢測網(wǎng)絡(luò)對(duì)本文數(shù)據(jù)集的適用性。

    圖4 研究流程Fig. 4 Research process

    2.1 數(shù)據(jù)集制作

    本文原始數(shù)據(jù)集的來自中國科學(xué)院海洋研究所。利用深海三維激光影像掃描技術(shù)在臺(tái)西南冷泉區(qū)獲取原始圖像, 然后利用航空攝影矯正技術(shù)將以上大量原始圖像拼接成一張大小為13.4 GB 的深海冷泉生物圖片(見圖5a)。根據(jù)單位換算, 知其面積約為150 m×200 m。將拼接圖片等分切割成6 400 份, 每份大小約為410 kB, 面積約為2.7 m×2.9 m(見圖5b)。分辨率寬約為1 368 像素, 高約為1 382 像素。并將這些張圖片按6∶2∶2 的比例隨機(jī)劃分為訓(xùn)練集、驗(yàn)證集和測試集。然后, 對(duì)訓(xùn)練集和驗(yàn)證集圖片中目標(biāo)生物進(jìn)行大量的人工標(biāo)注。標(biāo)注時(shí)要注意將生物的各種形態(tài)都包括進(jìn)去, 這是衡量模型好壞的關(guān)鍵。標(biāo)注的目標(biāo)生物包括: 貽貝(見圖5d)1 類初級(jí)消費(fèi)者, 潛鎧蝦(見圖5c)、螃蟹、魚和螺4 類次級(jí)消費(fèi)者, 共5 類。其中貽貝9 153 個(gè), 占比66.03%,潛鎧蝦2 684 個(gè), 占比16.91%。初步判斷, 此片海域中的螃蟹、魚等次級(jí)消費(fèi)者數(shù)量極少, 這對(duì)探究深海冷泉生物密集度和海底冷泉活躍度以及尋找天然氣水合物的影響極小。

    圖5 深海冷泉生物圖像樣本集Fig. 5 Sample set of deep-sea cold-spring biological images

    2.2 模型訓(xùn)練

    模型的訓(xùn)練就是預(yù)學(xué)習(xí)生物的形態(tài)特征, 在不斷學(xué)習(xí)生物特征的同時(shí), 也不斷地矯正生物特征向量的權(quán)值。模型訓(xùn)練和測試所用的中央處理器(Central processing unit, CPU)為Intel Core i5-8400, 圖形處理器(Graphics Processing Unit, GPU)為GeForce GTX 1060,內(nèi)存為6GB。深度學(xué)習(xí)框架是TensorFlow(https://github.com/tensorflow/tensorflow), 該框架對(duì)輸入圖片尺寸沒有限制, 因此不再需要對(duì)圖片的尺寸進(jìn)行歸一化處理。

    在模型訓(xùn)練前, 需要對(duì)一些參數(shù)進(jìn)行設(shè)置, 以期達(dá)到好的訓(xùn)練效果。將訓(xùn)練迭代步數(shù)設(shè)置為25 萬步,學(xué)習(xí)率設(shè)置為0.004。將先驗(yàn)框的最大尺寸設(shè)置為0.95,最小尺寸設(shè)置為0.35。先驗(yàn)框的最小尺寸比原文[13]中設(shè)置的較大些, 這是因?yàn)闈撴z蝦和貽貝的體積都較小,為了檢測出較多的小目標(biāo)生物, 應(yīng)盡可能將6 種不同尺度的特征圖控制在較大的范圍內(nèi)。最后經(jīng)過不斷的細(xì)微調(diào)整, 得到適用于深海冷泉區(qū)生物識(shí)別的模型。

    圖6 中展示了整個(gè)訓(xùn)練過程中定位損失和分類損失之和[13]的變化情況, 在2 000 步迭代步數(shù)前, 總損失便急速下降2.77, 在0.2 萬~12 萬步迭代步數(shù)期間, 總損失逐漸緩慢下降至0.98, 在0.2 萬~12 萬步迭代步數(shù)期間, 總損失基本上逐趨近于0, 由此可以看出R-FCN_ResNet 模型達(dá)到了很好的訓(xùn)練效果。

    圖6 R-FCN_ResNet 模型訓(xùn)練總損失Fig. 6 Total training loss of R-FCN_ResNet model

    3 實(shí)驗(yàn)與分析

    各個(gè)模型訓(xùn)練結(jié)束后, 將測試集圖片輸入至訓(xùn)練好的導(dǎo)出模型中進(jìn)行生物識(shí)別測試, 以此來評(píng)估R-FCN_ResNet 算法用于深海冷泉生物識(shí)別的準(zhǔn)確性, 并且將此作為探尋深?;钴S冷泉的重要依據(jù)。本文只檢測和識(shí)別海床表面的貽貝和潛鎧蝦, 對(duì)于重疊和埋于沉積物或其他生物下的無法用肉眼分清和估計(jì)的生物不做考慮。

    3.1 目標(biāo)檢測與算法對(duì)比

    目標(biāo)檢測算法的好壞很難被衡量, 因?yàn)槌怂惴ū旧淼目蚣芩悸分? 還有許多因素影響它的速度和精度, 比如訓(xùn)練時(shí)候的不同參數(shù)設(shè)置、不同的損失函數(shù)的定義方法以及不同的特征提取網(wǎng)絡(luò)如VGGNet[8]、ResNet[9]、MobileNet[10]等。因此為了對(duì)比不同算法各自的優(yōu)勢(shì), 本文統(tǒng)一在TensorFlow 框架中訓(xùn)練模型和檢測生物, 并且設(shè)置相同的訓(xùn)練迭代步數(shù)、學(xué)習(xí)率、先驗(yàn)框尺寸和特征圖大小等參數(shù)。然后, 不考慮算法本身的內(nèi)部結(jié)構(gòu), 直接將測試集中的圖片輸入至訓(xùn)練好的模型中進(jìn)行目標(biāo)識(shí)別。最后, 對(duì)比3 種模型的識(shí)別效果, 權(quán)衡速度和精度兩方面后確認(rèn)適用于本文數(shù)據(jù)集的算法[23]。

    在表1 中, 訓(xùn)練耗損時(shí)間表示迭代步數(shù)為15 萬步時(shí), 訓(xùn)練模型所花費(fèi)的時(shí)間。平均檢測速度是每檢測一張圖片所需的平均時(shí)間。平均置信度是5 個(gè)目標(biāo)生物的類條件概率與IOU 的乘積[13]的平均值。具體類置信度被歸一化在[0, 1]之間, 閾值設(shè)為0.5。從橫向分析, 3 種算法的平均檢測時(shí)間都在1sec/per image以上, 無法與毫秒級(jí)的檢測速度相比, 這是由GPU的自身性能決定的。訓(xùn)練耗損時(shí)間都超過1 d。平均置信度得分都大于0.8。

    從縱向分析, R-FCN_ResNet 算法訓(xùn)練耗損時(shí)間比Faster R-CNN 算法短了大概32 h, 大大地節(jié)省了時(shí)間和資源。另一方面, R-FCN_ResNet 算法的平均置信度只比Faster R-CNN 算法低0.011 8, 由此說明兩個(gè)算法的檢測精度相差無幾, 但是其平均檢測速度卻比Faster R-CNN 算法快了大約3 s, 說明就檢測速度一項(xiàng)而言, R-FCN_ResNet 算法更優(yōu)。另外,SSD_MobileNet 算法雖然在訓(xùn)練耗損時(shí)間和平均檢測速度方面表現(xiàn)突出, 但是對(duì)于潛鎧蝦和貽貝這種小目標(biāo)來說, 檢測效果卻是最差的。其平均置信度比R-FCN_ResNet 低0.406, 比Faster R-CNN 低0.524。因此從訓(xùn)練耗損時(shí)間、平均檢測速度、平均置信度方面綜合考慮之后, 確認(rèn)R-FCN_ResNet 算法為適用于深海密集生物檢測和識(shí)別的算法。

    表1 三種算法的性能對(duì)比Tab. 1 Performance comparison of three algorithms

    圖7 R-FCN_ResNet 模型的識(shí)別效果Fig. 7 Recognition effect of R-FCN_ResNet model

    3.2 R-FCN_ResNet 算法準(zhǔn)確性評(píng)估

    圖7 展示了R-FCN_ResNet 模型的識(shí)別效果圖??梢钥闯? 該模型能很好的檢測出深海冷泉區(qū)的潛鎧蝦和貽貝。圖中綠色框圈出的是潛鎧蝦, 藍(lán)色框圈出的是貽貝, 每個(gè)框圖上方都標(biāo)有目標(biāo)生物的種類名稱和確認(rèn)為該類目標(biāo)生物的置信度。在確認(rèn)檢測到潛鎧蝦和貽貝任意一種小目標(biāo)生物的前提下, 給出的預(yù)測框基本上準(zhǔn)確圈出了目標(biāo)物體。由此可以得出, 該模型具有定位誤差小, 對(duì)背景的誤判率小的優(yōu)點(diǎn)。但是, 從圖7b 中可以看出, 仍然有極少量的貽貝沒有被檢測和識(shí)別出來。因此, 為了更進(jìn)一步分析R-FCN_ResNet 算法對(duì)本文數(shù)據(jù)集的適用性以及評(píng)估此算法識(shí)別生物數(shù)量的準(zhǔn)確性, 本文分別用R-FCN_ResNet 算法和人工識(shí)別方法去檢測測試區(qū)的共900 張圖片的生物數(shù)量, 并且計(jì)算各生物數(shù)量矩陣的相關(guān)系數(shù), 以此來說明此算法自動(dòng)識(shí)別生物數(shù)量和人工數(shù)取生物數(shù)量的符合度。

    測試區(qū)遍布著較多的生物, 設(shè)定生物數(shù)量在0~80范圍內(nèi)的區(qū)域稱為稀疏區(qū), 在80~200范圍內(nèi)的區(qū)域稱為密集區(qū)。圖8、圖9 分別展示了R-FCN_ResNet算法和人工識(shí)別方法檢測潛鎧蝦和貽貝的數(shù)量曲線。從中可以看出兩條曲線的趨勢(shì)基本一致, 且計(jì)算得知潛鎧蝦和貽貝的兩個(gè)數(shù)量矩陣的相關(guān)系數(shù)分別是0.982 4 和0.976 9, 由此說明利用此算法識(shí)別深海冷泉生物的準(zhǔn)確度較高, 即R-FCN_ResNet 算法自動(dòng)識(shí)別的生物數(shù)量和人工數(shù)取的生物數(shù)量基本一致。另外, 稀疏區(qū)的生物數(shù)量符合度比密集區(qū)高, 這說明R-FCN_ResNet 算法在稀疏區(qū)的識(shí)別準(zhǔn)確度高于密集區(qū)的識(shí)別準(zhǔn)確度。

    圖8 R-FCN_ResNet 算法和人工識(shí)別方法檢測潛鎧蝦數(shù)量的曲線Fig. 8 Curve of R-FCN_ResNet algorithm and artificial recognition method for detecting Shinkaia crosnieri quantity

    圖9 R-FCN_ResNet 算法和人工識(shí)別方法檢測貽貝數(shù)量的曲線Fig. 9 Curve of R-FCN_ResNet algorithm and artificial recognition method for detecting Bathymodiolus platifrons quantity

    3.3 生物分布情況的復(fù)現(xiàn)

    通過研究深海冷泉區(qū)生物的種類、數(shù)量、分布等情況, 可以輔助生物學(xué)家快速準(zhǔn)確地尋找到富含天然氣水合物溢流的區(qū)域, 即活躍冷泉區(qū)。根據(jù)冷泉生態(tài)系統(tǒng)的群落結(jié)構(gòu)特征可知, 生物越密集的地方富含甲烷的可能性和相對(duì)濃度越高。另一方面, 目標(biāo)檢測算法對(duì)比實(shí)驗(yàn)表明, 改進(jìn)后的R-FCN_ResNet 算法結(jié)合本文數(shù)據(jù)集可以高效準(zhǔn)確地檢測出深海冷泉區(qū)的潛鎧蝦和貽貝。因此, 基于此算法檢測出該片海域潛鎧蝦和貽貝的數(shù)量, 然后復(fù)現(xiàn)其分布情況, 以此作為探尋活躍冷泉的重要依據(jù)。

    圖10、圖11 分別展示了該片海域潛鎧蝦和貽貝的數(shù)量分布情況。可以看出, 該片海域邊界區(qū)的生物較少, 中心區(qū)(測試區(qū))生物數(shù)量較多, 因此可以判斷中心區(qū)天然氣水合物溢流的可能性和相對(duì)濃度都較高。另外, 根據(jù)該區(qū)域潛鎧蝦和貽貝的時(shí)空變化特征,可以協(xié)助探究環(huán)境中甲烷濃度的變化, 進(jìn)而推測天然氣水合物釋放量的變化情況。

    圖10、圖11 給出的信息不僅可以用以探究和分析深海冷泉天然氣水合物的溢流情況和含量。而且,根據(jù)兩圖中潛鎧蝦和貽貝密集度的不同, 結(jié)合生物習(xí)性、生物外形特征等進(jìn)一步探究海洋生物在深海冷泉生態(tài)系統(tǒng)中的重要作用; 根據(jù)本文訓(xùn)練出的模型實(shí)時(shí)地監(jiān)測該片海域不同時(shí)期的潛鎧蝦和貽貝的分布情況, 以此為研究深海冷泉生態(tài)系統(tǒng)與生命過程對(duì)環(huán)境變化的影響機(jī)制, 為制定和更改深海冷泉環(huán)境保護(hù)計(jì)劃, 為維護(hù)深海冷泉生態(tài)平衡提供數(shù)據(jù)支撐。

    4 結(jié)論

    本文利用殘差學(xué)習(xí)塊改進(jìn)了基于區(qū)域的全卷積網(wǎng)絡(luò), 提出了深海冷泉生物的自動(dòng)識(shí)別方法, 復(fù)現(xiàn)了潛鎧蝦和貽貝的分布情況。實(shí)驗(yàn)結(jié)果表明, 本文提出的自動(dòng)識(shí)別和檢測深海冷泉生物的方法準(zhǔn)確度和速度都較高, 并且利用此方法協(xié)助探尋活躍冷泉的位置是可行且具有現(xiàn)實(shí)價(jià)值的。但是, 目前在對(duì)高密度、低特征和大范圍的深海冷泉小目標(biāo)生物進(jìn)行檢測時(shí), 仍然存在漏檢的情況。因此, 如何改進(jìn)和創(chuàng)新目標(biāo)識(shí)別與檢測方法, 提高小目標(biāo)生物檢測精度,是下一步研究的主要方向。

    圖10 潛鎧蝦分布情況復(fù)現(xiàn)圖Fig. 10 Reproduction of Shinkaia crosnieri distribution

    圖11 貽貝分布情況復(fù)現(xiàn)圖Fig. 11 Reproduction of Bathymodiolus platifrons distribution

    猜你喜歡
    冷泉貽貝深海
    “貽貝之鄉(xiāng)”耕海忙
    上海海洋大學(xué)學(xué)者在Springer Nature出版專著South China Sea Seeps
    西沙群島冷泉區(qū)中層魚類群落結(jié)構(gòu)初探
    向深海進(jìn)發(fā)
    貽貝、海虹、青口、淡菜……到底有何區(qū)別
    深海特“潛”隊(duì)
    并不“冷”的海底冷泉系統(tǒng)
    隱藏在深海里的神秘生物
    全球貽貝產(chǎn)量減少導(dǎo)致貿(mào)易受挫
    基于Ⅲumina平臺(tái)的厚殼貽貝外套膜轉(zhuǎn)錄組從頭測序
    韩国av一区二区三区四区| 一区福利在线观看| 午夜激情福利司机影院| 亚洲熟妇中文字幕五十中出| 国产不卡一卡二| 1000部很黄的大片| 久久精品国产综合久久久| 色av中文字幕| 日韩有码中文字幕| 国产成人影院久久av| 在线观看美女被高潮喷水网站 | 午夜久久久久精精品| x7x7x7水蜜桃| 可以在线观看的亚洲视频| 俺也久久电影网| 免费电影在线观看免费观看| av在线蜜桃| 在线十欧美十亚洲十日本专区| e午夜精品久久久久久久| 免费人成视频x8x8入口观看| АⅤ资源中文在线天堂| 亚洲av二区三区四区| 国产日本99.免费观看| 久久久久亚洲av毛片大全| 全区人妻精品视频| 国产麻豆成人av免费视频| 欧美午夜高清在线| 少妇的逼水好多| 色视频www国产| 有码 亚洲区| 小说图片视频综合网站| 在线a可以看的网站| 亚洲精品亚洲一区二区| 欧美黑人欧美精品刺激| 欧美一级a爱片免费观看看| 91九色精品人成在线观看| 国产一级毛片七仙女欲春2| 五月伊人婷婷丁香| 女生性感内裤真人,穿戴方法视频| 午夜老司机福利剧场| 久久久国产成人精品二区| 看黄色毛片网站| 夜夜看夜夜爽夜夜摸| 欧美bdsm另类| 天天添夜夜摸| 国产真实乱freesex| 亚洲国产中文字幕在线视频| 亚洲国产精品合色在线| 一级a爱片免费观看的视频| or卡值多少钱| 国产中年淑女户外野战色| 真实男女啪啪啪动态图| 熟妇人妻久久中文字幕3abv| 97碰自拍视频| 91av网一区二区| 午夜福利欧美成人| 搡老妇女老女人老熟妇| 国产成人欧美在线观看| 老司机深夜福利视频在线观看| 久久欧美精品欧美久久欧美| 久久久国产精品麻豆| 亚洲av美国av| 三级国产精品欧美在线观看| 亚洲国产精品sss在线观看| 精品久久久久久久久久免费视频| 美女高潮的动态| 美女cb高潮喷水在线观看| 深爱激情五月婷婷| 亚洲精品粉嫩美女一区| 久久中文看片网| 国产精品久久久久久亚洲av鲁大| 免费无遮挡裸体视频| 精品日产1卡2卡| 亚洲人与动物交配视频| xxx96com| 精品国产亚洲在线| 欧美黄色片欧美黄色片| 99在线视频只有这里精品首页| 久久久精品大字幕| 欧美三级亚洲精品| 国产精品一及| 日韩欧美精品免费久久 | 每晚都被弄得嗷嗷叫到高潮| 十八禁网站免费在线| 黄片大片在线免费观看| 国产成人av激情在线播放| 麻豆成人av在线观看| 九九久久精品国产亚洲av麻豆| 亚洲内射少妇av| 久久久久久大精品| 三级毛片av免费| 午夜免费男女啪啪视频观看 | 欧美一级毛片孕妇| 免费无遮挡裸体视频| 亚洲乱码一区二区免费版| 国内揄拍国产精品人妻在线| 观看美女的网站| xxxwww97欧美| 人人妻人人看人人澡| 国产高清视频在线播放一区| 日本免费一区二区三区高清不卡| 国产色爽女视频免费观看| 少妇熟女aⅴ在线视频| 国内久久婷婷六月综合欲色啪| 成人18禁在线播放| 国产在线精品亚洲第一网站| 免费在线观看日本一区| 亚洲av中文字字幕乱码综合| 熟女少妇亚洲综合色aaa.| 黄色丝袜av网址大全| 日韩欧美国产在线观看| 狂野欧美激情性xxxx| 精品久久久久久成人av| 怎么达到女性高潮| 亚洲av成人不卡在线观看播放网| 俄罗斯特黄特色一大片| 亚洲avbb在线观看| 国产亚洲精品久久久久久毛片| 日韩欧美三级三区| 99热只有精品国产| 午夜福利在线观看吧| svipshipincom国产片| 日本成人三级电影网站| 免费av不卡在线播放| av国产免费在线观看| 性色av乱码一区二区三区2| 国产精品久久久久久久久免 | 精品一区二区三区av网在线观看| 国产免费一级a男人的天堂| 欧美黑人欧美精品刺激| 熟女人妻精品中文字幕| 国产激情欧美一区二区| 午夜免费成人在线视频| 国产黄色小视频在线观看| 免费在线观看亚洲国产| www日本在线高清视频| 日韩 欧美 亚洲 中文字幕| 91在线精品国自产拍蜜月 | 黄片小视频在线播放| 国产成人影院久久av| 淫妇啪啪啪对白视频| 亚洲中文字幕一区二区三区有码在线看| 精品不卡国产一区二区三区| 国产av不卡久久| 久9热在线精品视频| 波多野结衣巨乳人妻| 国产精品久久久久久亚洲av鲁大| 69av精品久久久久久| 欧美大码av| 日韩欧美 国产精品| 五月玫瑰六月丁香| 操出白浆在线播放| 99国产精品一区二区三区| 久久亚洲精品不卡| 欧美成狂野欧美在线观看| 啦啦啦观看免费观看视频高清| 成人av一区二区三区在线看| 欧美性感艳星| 老司机福利观看| 欧美区成人在线视频| 香蕉av资源在线| 一区二区三区免费毛片| 最近最新中文字幕大全电影3| 中文亚洲av片在线观看爽| 美女高潮喷水抽搐中文字幕| 亚洲成a人片在线一区二区| 激情在线观看视频在线高清| 欧美黑人欧美精品刺激| 精品无人区乱码1区二区| 免费看光身美女| 亚洲成人中文字幕在线播放| 欧美在线一区亚洲| 国产成人av激情在线播放| 精品人妻1区二区| 成人午夜高清在线视频| 女人被狂操c到高潮| 婷婷丁香在线五月| 亚洲av成人不卡在线观看播放网| 99久国产av精品| 色综合站精品国产| 免费看美女性在线毛片视频| 久久久久久久午夜电影| 极品教师在线免费播放| 性色avwww在线观看| 18美女黄网站色大片免费观看| 亚洲欧美日韩高清专用| 久久久久性生活片| 内地一区二区视频在线| 亚洲中文日韩欧美视频| 精品一区二区三区视频在线观看免费| 国产一区二区三区在线臀色熟女| 高清在线国产一区| 精品一区二区三区人妻视频| 国产精品爽爽va在线观看网站| 最新在线观看一区二区三区| 国产乱人伦免费视频| 免费电影在线观看免费观看| 51国产日韩欧美| 91九色精品人成在线观看| 国产不卡一卡二| 午夜老司机福利剧场| 国产精品一区二区免费欧美| 无遮挡黄片免费观看| 在线观看午夜福利视频| 国产亚洲精品av在线| 午夜免费观看网址| 最新在线观看一区二区三区| 精品一区二区三区人妻视频| 香蕉丝袜av| www.熟女人妻精品国产| 嫩草影视91久久| 一个人观看的视频www高清免费观看| 亚洲人成网站在线播| 国产极品精品免费视频能看的| 亚洲av日韩精品久久久久久密| 国产久久久一区二区三区| 国产极品精品免费视频能看的| 最近视频中文字幕2019在线8| 女人被狂操c到高潮| 国产一级毛片七仙女欲春2| 久久久精品欧美日韩精品| 亚洲第一电影网av| 嫩草影视91久久| 中国美女看黄片| 日韩欧美在线乱码| 国产精品av视频在线免费观看| 中国美女看黄片| 国产高清三级在线| 亚洲人成网站高清观看| 精品国产美女av久久久久小说| 亚洲熟妇中文字幕五十中出| 亚洲不卡免费看| 麻豆久久精品国产亚洲av| 久久6这里有精品| 国产aⅴ精品一区二区三区波| 国产男靠女视频免费网站| 在线观看午夜福利视频| 少妇熟女aⅴ在线视频| 久久香蕉国产精品| 精品久久久久久久久久久久久| 1000部很黄的大片| 亚洲男人的天堂狠狠| 国产精品1区2区在线观看.| 床上黄色一级片| 亚洲第一欧美日韩一区二区三区| 国产爱豆传媒在线观看| 91久久精品国产一区二区成人 | 国产男靠女视频免费网站| 午夜老司机福利剧场| 免费人成在线观看视频色| 国内少妇人妻偷人精品xxx网站| 99国产综合亚洲精品| 亚洲精品乱码久久久v下载方式 | svipshipincom国产片| 国产av在哪里看| 欧美成人a在线观看| 天堂影院成人在线观看| 午夜福利18| 日韩欧美精品免费久久 | av国产免费在线观看| 亚洲aⅴ乱码一区二区在线播放| 精品人妻一区二区三区麻豆 | 一本久久中文字幕| 亚洲午夜理论影院| 亚洲18禁久久av| 国产中年淑女户外野战色| 日韩精品中文字幕看吧| 国内毛片毛片毛片毛片毛片| 天堂网av新在线| 丁香欧美五月| 少妇人妻精品综合一区二区 | 色在线成人网| 日韩有码中文字幕| 精品国产亚洲在线| 男女视频在线观看网站免费| 欧美高清成人免费视频www| 婷婷六月久久综合丁香| 欧美中文日本在线观看视频| 两个人的视频大全免费| 女人十人毛片免费观看3o分钟| 久久久久久久亚洲中文字幕 | 观看美女的网站| www.www免费av| 亚洲午夜理论影院| 亚洲18禁久久av| 日本撒尿小便嘘嘘汇集6| 亚洲专区国产一区二区| 成人午夜高清在线视频| 欧美一级a爱片免费观看看| 精品国产超薄肉色丝袜足j| 亚洲欧美日韩卡通动漫| 日日夜夜操网爽| 日韩欧美一区二区三区在线观看| 亚洲成a人片在线一区二区| 欧美一区二区精品小视频在线| 欧美黑人巨大hd| 小蜜桃在线观看免费完整版高清| 国产精品久久久人人做人人爽| 桃色一区二区三区在线观看| 日本黄色视频三级网站网址| 母亲3免费完整高清在线观看| 欧美绝顶高潮抽搐喷水| 舔av片在线| 女人被狂操c到高潮| 免费在线观看影片大全网站| 欧美成人a在线观看| 国产成人av激情在线播放| 国产真实伦视频高清在线观看 | 亚洲最大成人手机在线| 好看av亚洲va欧美ⅴa在| 色综合站精品国产| 免费人成在线观看视频色| 国产精品综合久久久久久久免费| 亚洲成人中文字幕在线播放| 亚洲成av人片在线播放无| 精品福利观看| 美女黄网站色视频| 亚洲久久久久久中文字幕| 伊人久久大香线蕉亚洲五| 日韩亚洲欧美综合| 九九在线视频观看精品| 99久久无色码亚洲精品果冻| 国产精品亚洲美女久久久| 成年女人永久免费观看视频| 观看免费一级毛片| 久久精品夜夜夜夜夜久久蜜豆| 中文字幕精品亚洲无线码一区| 午夜福利在线观看免费完整高清在 | 精华霜和精华液先用哪个| 欧美日韩福利视频一区二区| 我的老师免费观看完整版| av视频在线观看入口| 搞女人的毛片| 免费观看人在逋| 日韩欧美在线乱码| 天堂动漫精品| 一级毛片女人18水好多| 中文字幕人妻丝袜一区二区| 怎么达到女性高潮| 99在线人妻在线中文字幕| 真实男女啪啪啪动态图| 婷婷六月久久综合丁香| 黄色丝袜av网址大全| 男女做爰动态图高潮gif福利片| 国产亚洲欧美98| 婷婷精品国产亚洲av在线| 成人性生交大片免费视频hd| 我的老师免费观看完整版| 午夜老司机福利剧场| 久久精品国产亚洲av涩爱 | 女人被狂操c到高潮| 男女午夜视频在线观看| 成年免费大片在线观看| 午夜福利高清视频| 美女 人体艺术 gogo| 国产高清视频在线播放一区| 三级毛片av免费| 伊人久久大香线蕉亚洲五| 国产精品美女特级片免费视频播放器| 全区人妻精品视频| 高清毛片免费观看视频网站| 国产一级毛片七仙女欲春2| 亚洲五月天丁香| 757午夜福利合集在线观看| 性色av乱码一区二区三区2| 内射极品少妇av片p| 国产精品自产拍在线观看55亚洲| 日日夜夜操网爽| 亚洲精品国产精品久久久不卡| 免费观看精品视频网站| 有码 亚洲区| 国产av一区在线观看免费| 搡女人真爽免费视频火全软件 | 久久精品人妻少妇| 天堂av国产一区二区熟女人妻| 亚洲人成网站在线播放欧美日韩| 国产精品日韩av在线免费观看| 首页视频小说图片口味搜索| 国产爱豆传媒在线观看| 亚洲人成电影免费在线| 好男人电影高清在线观看| 51国产日韩欧美| 久久久久久人人人人人| 三级毛片av免费| 午夜免费成人在线视频| 亚洲第一欧美日韩一区二区三区| 久久亚洲精品不卡| 级片在线观看| 欧美黄色片欧美黄色片| av专区在线播放| 五月伊人婷婷丁香| 一卡2卡三卡四卡精品乱码亚洲| 少妇丰满av| 99久久综合精品五月天人人| 草草在线视频免费看| 又爽又黄无遮挡网站| 神马国产精品三级电影在线观看| 亚洲欧美激情综合另类| 一级a爱片免费观看的视频| 老司机午夜福利在线观看视频| 日本与韩国留学比较| 欧美日韩一级在线毛片| 亚洲真实伦在线观看| 黄色片一级片一级黄色片| 免费搜索国产男女视频| 国产乱人伦免费视频| 在线观看午夜福利视频| 1000部很黄的大片| 可以在线观看的亚洲视频| 老熟妇仑乱视频hdxx| 亚洲成人久久爱视频| 国产免费男女视频| 91久久精品国产一区二区成人 | 国产一区二区三区在线臀色熟女| 又黄又粗又硬又大视频| 欧美成人a在线观看| 亚洲av二区三区四区| 69av精品久久久久久| 欧美最新免费一区二区三区 | 午夜激情欧美在线| 国产男靠女视频免费网站| 狂野欧美激情性xxxx| 精品国产三级普通话版| 99久久成人亚洲精品观看| 国产精品久久久久久精品电影| 蜜桃久久精品国产亚洲av| 亚洲美女视频黄频| 在线播放国产精品三级| АⅤ资源中文在线天堂| 免费av观看视频| a级毛片a级免费在线| 亚洲av中文字字幕乱码综合| 最近视频中文字幕2019在线8| 韩国av一区二区三区四区| 51午夜福利影视在线观看| 国产乱人伦免费视频| 嫁个100分男人电影在线观看| 国产一级毛片七仙女欲春2| 精品欧美国产一区二区三| 国产精品综合久久久久久久免费| 一级黄片播放器| 欧美又色又爽又黄视频| 国产单亲对白刺激| 国产高清激情床上av| 中文字幕人妻熟人妻熟丝袜美 | 欧美绝顶高潮抽搐喷水| 老鸭窝网址在线观看| 成年女人看的毛片在线观看| 精品欧美国产一区二区三| 男人舔奶头视频| 亚洲成a人片在线一区二区| 欧美在线黄色| 欧美大码av| 国产一区二区激情短视频| 国产亚洲精品一区二区www| 91久久精品国产一区二区成人 | 99久久无色码亚洲精品果冻| 熟女少妇亚洲综合色aaa.| 男人舔女人下体高潮全视频| 精品久久久久久久久久免费视频| 亚洲狠狠婷婷综合久久图片| 国产毛片a区久久久久| 一个人观看的视频www高清免费观看| av天堂中文字幕网| 男人的好看免费观看在线视频| 日本黄色视频三级网站网址| 国内精品久久久久久久电影| 欧美bdsm另类| 国产又黄又爽又无遮挡在线| 波多野结衣高清作品| 99久久精品一区二区三区| 久久精品影院6| 国产aⅴ精品一区二区三区波| 日韩精品青青久久久久久| 亚洲国产精品sss在线观看| 美女 人体艺术 gogo| ponron亚洲| 给我免费播放毛片高清在线观看| 欧美不卡视频在线免费观看| 国产成年人精品一区二区| 中文字幕人妻熟人妻熟丝袜美 | 精品一区二区三区视频在线 | 精品欧美国产一区二区三| 成人特级黄色片久久久久久久| 最后的刺客免费高清国语| 国产探花极品一区二区| 国产精品爽爽va在线观看网站| 亚洲欧美日韩高清在线视频| 宅男免费午夜| 亚洲天堂国产精品一区在线| 99久久精品热视频| 少妇的丰满在线观看| 最好的美女福利视频网| 成年免费大片在线观看| 好男人电影高清在线观看| 久久久久性生活片| 少妇丰满av| 最新美女视频免费是黄的| 亚洲av电影在线进入| 天天一区二区日本电影三级| a在线观看视频网站| 国产爱豆传媒在线观看| 成年女人毛片免费观看观看9| 免费av毛片视频| 国产伦精品一区二区三区四那| 亚洲狠狠婷婷综合久久图片| 一级黄色大片毛片| 很黄的视频免费| 久久99热这里只有精品18| 啦啦啦观看免费观看视频高清| 嫩草影院精品99| 免费无遮挡裸体视频| 成人性生交大片免费视频hd| 少妇人妻一区二区三区视频| 国产精品永久免费网站| 90打野战视频偷拍视频| 网址你懂的国产日韩在线| 男人和女人高潮做爰伦理| 日本五十路高清| 国产在视频线在精品| 麻豆国产97在线/欧美| 又黄又粗又硬又大视频| 亚洲av免费高清在线观看| 亚洲精品亚洲一区二区| 精品久久久久久成人av| 久久久久久国产a免费观看| 白带黄色成豆腐渣| 国产亚洲精品久久久com| 亚洲精品在线观看二区| 一本精品99久久精品77| 国产三级黄色录像| 国产乱人伦免费视频| 18禁黄网站禁片午夜丰满| 久久亚洲精品不卡| 中文字幕高清在线视频| 在线观看午夜福利视频| 人人妻人人澡欧美一区二区| 亚洲久久久久久中文字幕| 免费高清视频大片| 日韩精品中文字幕看吧| 国产成人aa在线观看| 美女大奶头视频| 亚洲av成人精品一区久久| 九九热线精品视视频播放| 又黄又爽又免费观看的视频| 可以在线观看的亚洲视频| 草草在线视频免费看| 免费人成在线观看视频色| 性色av乱码一区二区三区2| 身体一侧抽搐| 欧美另类亚洲清纯唯美| 亚洲精品国产精品久久久不卡| 网址你懂的国产日韩在线| 午夜精品久久久久久毛片777| 男女下面进入的视频免费午夜| 啦啦啦观看免费观看视频高清| 在线观看美女被高潮喷水网站 | 人人妻,人人澡人人爽秒播| 亚洲天堂国产精品一区在线| 免费大片18禁| 成人特级黄色片久久久久久久| 欧美中文日本在线观看视频| 国产欧美日韩精品亚洲av| 婷婷亚洲欧美| 成人性生交大片免费视频hd| 欧美bdsm另类| 成人欧美大片| 欧美成人一区二区免费高清观看| 欧美一区二区精品小视频在线| 国产久久久一区二区三区| 亚洲国产欧美人成| 欧美日韩精品网址| 久久久久性生活片| 久久精品国产清高在天天线| 亚洲一区二区三区不卡视频| 毛片女人毛片| 午夜影院日韩av| 怎么达到女性高潮| 老鸭窝网址在线观看| 精品人妻1区二区| 国产成人a区在线观看| 国产精品女同一区二区软件 | 国产亚洲精品久久久久久毛片| 欧美3d第一页| 日本精品一区二区三区蜜桃| 天天一区二区日本电影三级| 好男人在线观看高清免费视频| 亚洲精品成人久久久久久| 怎么达到女性高潮| 老鸭窝网址在线观看| av中文乱码字幕在线| 高潮久久久久久久久久久不卡| 成人午夜高清在线视频| 一进一出抽搐gif免费好疼| 亚洲久久久久久中文字幕| 久久久久久久午夜电影| 亚洲成人免费电影在线观看| 精品午夜福利视频在线观看一区| 19禁男女啪啪无遮挡网站| 小说图片视频综合网站| 两人在一起打扑克的视频| 免费高清视频大片| 波野结衣二区三区在线 | 青草久久国产| 欧美av亚洲av综合av国产av| 国产激情偷乱视频一区二区| 91久久精品国产一区二区成人 | 亚洲人成电影免费在线| 午夜免费观看网址| 欧美日韩瑟瑟在线播放| 免费在线观看亚洲国产| 老汉色av国产亚洲站长工具| 久久国产精品影院| 99久久综合精品五月天人人| 噜噜噜噜噜久久久久久91|