{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,25]]，“日期-时间”：“2024-06-25T04:31:48Z”，“时间戳”：1719289908049}，“引用-计数”：37，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{:“日期-零件”：[[2021,8,1]]，”日期-时间“：”2021-08-01T00:00:00 0:00Z“，”时间戳“：1627776000000}，”内容-版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com//tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[[2021,8,1]]，“date-time”：“2021-08-01T00:00:00Z”，“timestamp”：162777600000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https:\\/doi.org\/1015223\/policy-017“}，{“start”：{“date-parts”：[[2021,8,1]]，“date-time”：“2021-08-01T00:00:00Z”，“timestamp”：162777600000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2021,8,1]]，“date-time”：“2021-08-01T00:00:00Z”，“timetamp”：163776000000}，\/\/doi.org\/10.15223\/policy-012“}，{“start”：{“date-parts”：[[2021,8,1]]，“date-time”：“2021-08-01T00:00:00Z”，“timestamp”：162777600000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2021,8,1]]，“datetime”：“2011-08-01T_00:00:0Z”，f“，”delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“内容域”：｛“域”：[“elsevier.com”，“sciencedirect.com”]，“交叉标记限制”：true｝，“短容器标题”：[“农业中的计算机和电子”]，“已出版的印刷品”：｛“日期部分”：[[2021,8]]｝，“DOI”：“10.1016\/j.com.pag.2021.106316”，“类型”：“期刊文章”，“创建的”：｛“日期部分”：[[2021,7,12]]，“日期时间”：“2021-07-12T23:33:31Z”，“timestamp”：1626132811000}，“page”：“106316”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：47，“title”：[“一个基于efficientNet-B2的双注意网络，用于水产养殖中鱼类学校短期喂养行为分析”]，“prefix”：“10.1016”，“volume”：《187》，“author”：[{“给定”：“Ling”，“家庭”：“杨”，“序列”：“第一”，“从属关系”：[]}，{“给定”：“回回”，“家族”：“余”，“顺序”：“附加”，“隶属关系”：[]}“段”、“序列”：“附加”，“隶属关系”：[]}，{“给定”：“道良”，“家庭”：“李”，“序列”：“附加”，“隶属”：[]}，}“给定的”：“英毅”，“家族”：“陈”，“顺序”：“额外”，“从属关系”：[]}]，“成员”：“78”，“参考”：[{“key”：“10.1016\/j.compag.2021.06316_b0005”，“首页”：“3”，“文章标题”：“鱼缸中有多少鱼？”？通过使用PTV分析构建自动化鱼类计数系统“，“volume”：“10328”，“author”：“Abe”，“year”：“2017”，“journal-title”：“Proc。Spie“}，{“key”：“10.1016\/j.compag.2021.106316_b0010”，“首页”：“2467”，“article-title”：“基于可变形多核的移动相机的水下鱼类跟踪”，“volume”：”47“，“author”：“Chuang”，“year”：“2017”，“journal-title“：”IEEE Trans.Syst.ManCybern.SystScienceDirect精准鱼类养殖：提高水产养殖产量的新框架”，“数量”：“1\u201318”，“作者”：“F\u00f8re”，“年份”：“2017年”，“期刊标题”：“Biosyst”。工程“}，{“key”：“10.1016\/j.compag.2021.106316_b0025”，“doi-asserted-by”：“crossref”，“unstructured”：“傅，j.，刘，j.、田，H.、李，Y.、鲍，Y.，方，Z.、卢，H.，2019。用于场景分割的双重注意网络。程序。IEEE计算。Soc.Conf.Comput公司。视觉。模式识别。2019-6月31日\u20133149。https:\/\/doi.org\/10.109\/CVPR.2019.00326.“，”doi“：”10.1109\/CVPR.2019.00326“}，{“key”：“10.1016\/j.compag.2021.106316_b0035”，“doi-serted-by”：“crossref”，“first page”：”2946“，”doi“：ello”，“年份”：“2014年”，“新闻标题”：“程序。国际Jt。Conf.Neural Networks“}，{“key”：“10.1016\/j.compag.2021.106316_b0040”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，j.，2016。用于图像识别的深度残差学习。程序。IEEE计算。Soc.Conf.计算。视觉。模式识别。2016年12月，770\u2013778。https:\/\/doi.org/10.1109\/CVPR.2016.90.”，“doi”：“10.1109\/CVPR.2016.90”}，｛“key”：“10.1016\/j.com.pag.2021.106316B0045”，“doi断言者”：“crossref”，“首页”：“53”，“doi”：“10.1016\/j.com.pag.2017.12.023”，“文章标题”：“使用嵌入式系统开发和实现鱼类计数器”，“volume”：“145”，“author”：“Hern\u00eIndez-Ontiveros“，“年份”：“2018年”，“新闻标题”：“计算”。电子。农业。}，{“key”：“10.1016\/j.compag.2021.106316_b0050”，“非结构化”：“Howard，A.G.，Wang，W.，2017年。MobileNets：用于移动视觉应用的高效卷积神经网络。“}，{”key“：”10.1016\/j.compag.2021.106316_b0055“，”doi-asserted-by“：”crossref“，”unstructured“：”Hu，j.，Shen，L.，Albanie，S.，Sun，G.，Wu，E.，2019。挤压和激励网络1\u201313.“，”DOI“：”10.1109\/CVPR.2018.00745“}，{“key”：“10.1016\/j.compag.2021.106316_b0060”，“DOI-asserted-by”：“crossref”，“unstructured”：“Huang，G.，Liu，Z.，Maaten，L.Van Der，Weinberger，K.Q.，2017。密集连接卷积网络。https:\/\/doi.org\/10.109\/CVPR.2017.243.“，”doi“：”10.1109\/CVPR.2017.243“}，{“key”：“10.1016\/j.compag.2021.106316_b0065”，“article-title”：“将卷积网络应用于水下跟踪，无需训练”，“volume”：”342\u2013345“，”author“：”Huang“，”year“：”2018“，”journal-title“：”2018IEEE Int.Conf.Appl.Syst.Invent.“}”，{”key“：“10.1016\/j.compag.2021.106316_b0070“，“首页”：“1”，“文章标题”：“可视化鱼类跟踪：将两阶段图形方法与CNN功能相结合”，“作者”：“乔纳斯”，“年份”：“2017年”，“新闻标题”：《海洋阿伯丁会议》。“}，{”key“：”10.1016\/j.compag.2021.106316_b0080“，”unstructured“：”Krizhevsky，B.A.，Sutskever，I.，Hinton，G.E.，2012年。基于深度卷积神经网络的ImageNet分类。“}，{”key“：”10.1016\/j.compag.2021.106316_b0085“，”unstructured“：”Liu，L.，Jiang，H.，He，P.，Chen，W.，Liu，X.，Gao，j.，Han，j.“，2019。关于自适应学习率的方差及其超越1\u201314。“}，{”key“：”10.1016\/j.compag.2021.106316_b0095“，”doi-asserted-by“：”crossref“，”first page“：“105087”，”doi“：”101016\/j.compage.2019.105087“，”article-title“水产养殖水下视频中鲑鱼摄食行为识别的时空递归网络”，“volume”：“167”，“author“：”M\u00e5l\u00f8y“，”year“：”2019“，”journal-title“：”Compute“。电子。农业。“}，{”key“：”10.1016\/j.compag.2021.106316_b0100“，”unstructured“：”Misra，D.，2019年。Mish：一种自我调节的非单调神经激活函数。“}，{”key“：”10.1016\/j.compag.2021.106316_b0105“，”doi-asserted-by“：”crossref“，”unstructured“：”Miyazono，T.，Saitoh，T.B.T.-I.C.on I.T.S.，2018。基于CNN的鱼类物种识别，使用注释图像，收录于：ICatse国际IT融合与安全会议（ICITCS）。第156\u2013163页。https:\/\/doi.org\/10.1007\/978-981-10-6451-7_19.“，”doi“：”10.1007\/978-881-10-6441-7_19“}，{“key”：“10.1016\/j.compag.2021.106316_b0120”，“doi-asserted-by”：“crossref”，“first page”：”179“，“doi”：“10.016\/j.aquaculture.2014.04.008”，“article-title”：“从近水产养殖条件下录制的视频中测量鱼群行为的一种新方法”，“卷”：“430”，“作者”：“萨多尔”，“年份”：“2014年”，“新闻标题”：“水产养殖”}，{“关键”：“10.1016\/j.compag.2021.106316_b0130”，“doi-asserted-by”：“crossref”，”非结构化“：”Szegedy，C.，Liu，W.，Jia，Y.，Sermanet，P.，Reed，S.，Angelov，D.，Erhan，D.，Vanhoucke，V.，Rabinovich，A.，2015年。《卷积深入》1\u20139.“，”DOI“：”10.1109\/CVPR.2015.7298594“}，{”key“：”101016\/j.compag.2021.106316_b0135“，”unstructured“：”Szegedy，C.，Vanhoucke，V.，Shlens，j.，Wojna，Z.，2014。重新思考计算机视觉的初始架构。“｝，｛”key“：”10.1016\/j.com.pag.2021.106316_b0140“，”doi断言“：”crossref“，”非结构化“：”Tamou，A.Ben，B，A.B.，Nasreddine，K.，Ballihi，L.，2018。通过深度学习识别水下活鱼，in：图像和信号处理。第八届国际会议，ICISP 2018。施普林格国际出版公司，第275\u2013283页。https:\/\/doi.org\/10.1007\/978-3-319-94211-7.“，”doi“：”10.1007\/9783-319-94211-7_30“}，{“key”：“10.1016\/j.compag.2021.06316_b0145”，“unstructured”：“Tan，M.，Le，Q.V.，2019。EfficientNet：重新思考卷积神经网络的模型缩放。第36届国际会议马赫数。学习。ICML 2019 2019-June，10691\u201310700.“}，{”key“：”10.1016\/j.compag.2021.106316_b0150“，”首页“：”7“，”article-title“：”基于ROV的多条鱼跟踪的闭环跟踪逐检测“，”volume“：“2016”，”author“：”Wang“，”year“：”2017“，”journal-title”：“Proc.-2nd Work.Compute.Vis.Anal.Under.Imagery，CVAUI 2016-与Int.Conf。模式识别，ICPR“}，{“key”：“10.1016\/j.compag.2021.106316_b0165”，“doi-asserted-by”：“crossref”，“首页”：“41”，“doi”：“101016\/j.aquaeng.2015.02.001”，“article-title”：“银鲈鱼（Bidyanus Bidyanus）养殖中基于神经的自适应模糊推理系统的开发”，“volume”：《66》，“author”：“吴”，“年份”：“2015”，“期刊标题”：“Aquac。工程“}，{“key”：“10.1016\/j.compag.2021.106316_b0180”，“article-title”：“以鱼类检测和行为分析为重点的智能水产养殖中的计算机视觉模型：综述”，“volume”：”1\u201332“，“author”：“Yang”，“year”：“2020”，“journal-title“Arch.Comput.Methods Eng.”}crossref“，“first page”：“345”，“DOI”：“10.13031\/trans.59.11406”，“article-title”：“基于行为特征和统计的成像技术在循环水产养殖系统罗非鱼饲养评估和优化中的应用”，“volume”：第59页，“author”：“Ye”，“year”：“2016”，“journal-title:”：“trans。ASABE“}，{”key“：”10.1016\/j.compag.2021.106316_b0190“，”doi-asserted-by“：”crossref“，”first page“：“55”，“doi”：“10.1109\/MCI.2018.2840738”，“article-title”：“基于深度学习的自然语言处理的最新趋势[评论文章]”，“volume”：“13”，“author”：“Young”，“year”：“2018”，“journal-title“：”IEEE Compute.Intell.Mag.“}”，{“key”：”10.1016\/j.compag.2021.106316_b0195“，“首页”：“1”，“文章标题”：“前瞻优化器：向前k步，向后1步”，“卷”：“32”，“作者”：“张”，“年份”：“2019”，“日志标题”：《高级神经信息处理》。系统。“}，{”key“：”10.1016\/j.compag.2021.106316_b0200“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhang，X.，Zhou，X.、Lin，M.、Sun，j.，2018。ShuffleNet\u00a0：一种适用于移动设备的高效卷积神经网络6848\u20136856。https:\/\/doi.org\/10.109\/CVPR.2018.00716.“，”doi“：”10.1109\/CVPR.2018.00716“}，{“key”：“10.1016\/j.compag.2021.106316_b0205”，“unstructured”：“Zhang，He，T.，Zhang。训练目标检测神经网络的免费包。“}，{”key“：”10.1016\/j.compag.2021.106316_b0215“，”doi-asserted-by“：”crossref“，”first page“：“271”，“doi”：“10.1016\/j.coppag.2016.06.025”，“article-title”：“循环水产养殖系统鱼群特殊行为检测中的空间行为特征和基于统计的动能建模”，“volume”：“127”，“author”：“赵”，“年份”：“2016年”，“新闻标题”：“计算”。电子。农业。“}，{”key“：”10.1016\/j.compag.2021.106316_b0220“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhou，B.，Khosla，A.，Lapedriza，A.，Oliva，A.，Torralba，A.，2016。学习区分性本地化的深层特征。程序。IEEE计算。Soc.Conf.计算。视觉。模式识别。2016年12月，2921\u20132929。https:\/\/doi.org\/10.109\/CVPR.2016.319.“，”doi“：”10.1109\/CVPR.2016.319“}，{“key”：“10.1016\/j.compag.2021.106316_b0225”，“doi-asserted-by”：“crossref”，“first page”：”114“，”doi“：“10.116\/j.com pag.2018.02.006”，“article-title”：“水产养殖鱼类近红外计算机视觉和神经模糊模型饲养决策系统”，“volume”：“，”作者：“周”，“年”：“2018”，“新闻标题”：“计算”。电子。农业。“}，{”key“：”10.1016\/j.compag.2021.106316_b0230“，”doi-asserted-by“：”crossref“，”first page“：“457”，“doi”：“10.1016\/j.aquaculture.2019.04.056”，“article-title”：“使用卷积神经网络和机器视觉评估水产养殖鱼类摄食强度”，“volume”：“507”，”author“：”Zhou“，”“year”：“2019”，“journal-title“：”aquaculture“}”，{“key”：”10.1016\/j.compag.2021.106316_b0235“，”doi-asserted-by“：”crossref“，”first page“：”975“，”doi“：”10.1111\/raq.12218“，”article-title“：”水产养殖中的智能投喂控制方法：综述“，”volume“：“10”，”author“：”Zhou“，”year“：”2018“，”journal-title”：“Rev.Aquac。“}，{”key“：”10.1016\/j.compag.2021.106316_b0240“，”doi-asserted-by“：”crossref“，”first page“：“233”，“doi”：“10.1016\/j.coppag.2017.0213”，“article-title”：“近红外成像量化水产养殖中鱼类的摄食行为”，“volume”：“135”，“author”：“Zhou”，“year”：“2017”，“journal-title“：”Compute.Electron.Agric.“}”，{“key”：”10.1016 \/j.compag.2021.106316_b0245“，“非结构化”：”齐瑟曼，英国，2015年。用于大规模图像识别的非常深入的卷积网络1\u201314.“}]，”container-title“：[”农业中的计算机和电子“]，”原始标题“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com\/content\/article\/PII:S0168169921003331？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”内容版本“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0168169921003331？httpAccept=text\/plain”，“content-type”：“text\/plan”，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[2023,2,10]]，“date-time”：”2023-02-10T19:48:16Z“，“timestamp”：16760584960 00}，“分数”：1，“resource“：{”primary”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S0168169921003331”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2021,8]]}，”references-count“：37，”alternative-id“：[”S016816992 1003331“]，”URL“：”http://\/dx.doi.org\/10.10016\/j.compag.2021.063 16“，”关系“：{}，”ISSN“：[”0168-1699“]，”ISSN-type“：[{”value“：”0168-1699“，”type“：”print“}]，”subject“：[]，”published“：{”date-parts“：[2021,8]]}，”assertion“：[{”value“：“Elsevier”，”name“：”publisher“，”label“：”This article is maintained by“}，{”value“：”一个基于efficientNet-B2的双注意网络，用于水产养殖鱼类学校短期喂食行为分析“，”namevalue“：”农业中的计算机和电子“，”name“：”journalttle“，”label“：”Journal Title“}，”{“value”：“https:\/\/doi.org\/101016\/j.compag.2021.06316”，“name”：“articlelink”，”label:“CrossRef doi link to publisher maintained version”}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}、{“value”：”\u00a9 2021 Elsevier B.V。保留所有权利。“，”name“：“版权”，”label“：”copyright“}]，”article-number“：”106316“}}