《Computers and Electronics in Agriculture》:DAU-Net: A density-adaptive unified attention network for long-tail fish counting in aquaculture
编辑推荐:
•一种用于长尾鱼类计数的密度自适应统一网络。•分层注意力机制可增强特征,解决密集区域计数不足的问题。•空间注意力机制能抑制噪声,解决稀疏区域计数过高的问题。•该网络具有更出色的准确率。引言鱼类计数是渔业资源评估、水产养殖管理(English等人,2024)以及海洋生态监测(Cui
- •
一种用于长尾鱼类计数的密度自适应统一网络。
- •
分层注意力机制可增强特征,解决密集区域计数不足的问题。
- •
空间注意力机制能抑制噪声,解决稀疏区域计数过高的问题。
- •
该网络具有更出色的准确率。
引言
鱼类计数是渔业资源评估、水产养殖管理(English等人,2024)以及海洋生态监测(Cui等人,2025)中的重要任务。准确的鱼类计数对于优化水产养殖的投喂策略以及制定可持续的捕鱼方案具有重要意义(Li等人,2025;Gu等人,2025;Li等人,2026)。然而,传统的手动计数方法效率低下、成本高昂(Farjon等人,2023),且极易受到主观因素的影响,难以实现大规模、连续且准确的计数(Zheng等人,2023)。因此,开发一种能够有效解决因密度分布不均而产生的长尾问题的精确鱼类计数模型,对于实现智能化的水产养殖监测和渔业资源评估而言至关重要。
早期的计数方法大多依赖传统的图像处理技术,采用检测或回归框架(Li等人,2023)。检测方法会定位每个目标并直接将其数量相加(Huang等人,2024),这类方法的例子包括线性计数框架(Ma和Chan,2013)以及基于能量最小化的计数框架(Dorj等人,2017)。但在鱼群场景中,这些方法容易受到高密度遮挡和边界粘连现象的影响,从而导致计数性能不佳(Chen等人,2025a)。此外,水下光线的衰减以及复杂的海洋环境(如珊瑚礁)也会增加误检测的概率(Zheng等人,2024)。回归方法则将图像特征映射为整体数量或密度值,例如采用贝叶斯回归的计数模型(Chan和Vasconcelos,2011),以及基于空间注意力距离的事件记忆计数框架(Lempitsky和Zisserman,2010)。虽然这种方法避免了逐个定位目标的难题,但它缺乏对局部结构的约束,在复杂背景中容易产生错误的响应,且在密集区域也难以保持稳定的个体识别能力(Lin等人,2024)。
随着深度学习的发展,它也被应用于鱼类计数任务中(Zhang等人,2023)。首先,基于卷积神经网络(CNN)的密度估计网络通过多尺度卷积提升了其对尺度变化和局部纹理的表征能力(Liang等人,2024)。在模型中加入上下文增强模块可以在一定程度上抑制背景干扰,例如SCANet(Yuan等人,2020)和EdgeCount(Shen等人,2024)。不过,CNN的局部感受野诱导偏差也存在局限性。当鱼类聚集在较大区域时,仅通过堆叠局部卷积很难同时考虑不同区域之间的关联(Zhao等人,2023)。此外,密集区域的拥挤和粘连现象也会影响周边区域,增加区分个体边界的难度(Chen等人,2025b)。在稀疏区域,卷积特征容易受到背景纹理的影响,导致模型产生错误响应。现有的计数框架往往采用统一的机制来处理整个鱼类图像,这就难以同时兼顾密集鱼群区域的个体区分和稀疏区域背景的抑制问题(Chen等人,2022)。
近年来,Transformer模型也被引入鱼类计数任务中,通过全局或分组自注意力机制捕捉远距离像素之间的关联,从而缓解了仅依靠局部卷积进行统一建模所带来的困难(Khan等人,2023)。相关的模型包括Countr(Bai等人,2022)、CrowdTrans(Guo等人,2024)、FSGformer(Xin等人,2025)以及JCTNet(F. Wang等人,2025)。然而,Transformer在高分辨率计数场景中通常面临两个挑战:其一,注意力的计算复杂度会随着输入图像中标记数量的增加而显著上升,这在处理高分辨率图像时会带来较大的计算和内存开销(Papa等人,2024);其二,注意力机制通常采用统一的计算方式来处理不同区域,无法针对鱼类图像中存在的长尾分布特点进行差异化建模(Huang等人,2025)。因此,这容易导致密集区域局部识别能力不足,而在稀疏区域则因背景噪声产生错误响应。
在现有的鱼群计数研究中,各种技术方法已经为这一任务提供了可行的解决方案。但仍然存在一些挑战,比如鱼群图像中的长尾问题。所谓长尾问题,指的是在鱼类高度聚集的区域,个体鱼类之间会严重相互遮挡,使得现有方法难以准确区分各个个体,进而导致计数结果被低估。而在鱼类稀少的低密度区域,个体鱼类往往会与水生植物、岩石以及光线反射等复杂的海底背景混在一起,导致模型误将背景噪声当作鱼类,从而使计数结果被高估。
为了解决上述问题,本研究提出了用于长尾鱼类计数的DAU-Net模型,其主要贡献如下:
(1) 本研究提出了一种密度自适应统一注意力框架(DAUAF),用于解决因密度分布不均而产生的长尾计数问题。该框架首先利用分层跨窗口融合注意力(HCFA)增强重叠鱼类的结构表征,然后再通过空间重要性先验注意力(SIPA)引导模型聚焦于置信度较高的鱼类区域,从而实现对不同密度区域的特征自适应调节。
(2) 本研究提出HCFA机制,用以解决密集区域内由于遮挡导致的鱼类计数被低估的问题。该机制通过窗口级的特征细化、网格级的信息传递以及像素级的门控融合,提升了密集区域中重叠鱼类的个体特征辨识能力,同时也增强了跨窗口结构的连贯性。
(3) 本研究提出SIPA机制,用于解决稀疏区域内由于背景干扰导致的鱼类数量被高估的问题。该机制通过生成空间重要性先验,并将其作为偏差项注入注意力得分中,从而引导模型聚焦于置信度较高的鱼类位置,同时抑制由背景因素引发的错误响应。
章节要点
提出的方法
鱼群图像中目标的密度分布并不均匀。因此,在高密度区域,计数任务难以区分各个个体鱼类,从而导致计数遗漏。而在低密度区域,背景纹理等因素的干扰会导致模型的误差在不同密度区域间出现较大差异,进而降低整体的计数精度。为此,为了有效提升模型在长尾问题场景下的计数性能,本研究提出了
实验部分
为了评估所提出的DAU-Net模型的性能,我们在三个数据集上对该模型进行了测试:水下草鱼计数数据集、鲤鱼计数数据集以及密集草鱼计数数据集(Tian,2023)。接下来,我们将详细介绍这些数据集、模型的实现方式以及评估指标,随后还会介绍对比实验以及各模型组件的消融实验结果。
讨论部分
通过HCFA和SIPA的协同设计,所提出的DAUAF框架能够有效缓解鱼群图像中因密度不均而产生的长尾计数偏差。实验结果表明,该方法在三个鱼群数据集上的表现均优于现有的其他方法。HCFA通过其在窗口内进行细粒度建模以及跨窗口信息融合的递进式结构,有效解决了密集区域内的计数低估问题,这种设计提升了各个个体的可区分性
结论部分
本研究通过实验评估了DAU-Net在长尾密度分布条件下的水下鱼类计数效果。在三个数据集上的对比实验表明,DAU-Net在所有比较方法中取得了最佳的均方误差MAE和均方根误差RMSE值,分别在UGCD数据集上为3.22/4.67,在CCD数据集上为2.44/3.25,在DGCD数据集上为4.11/5.36。这些结果充分证明了该模型在混合密度、复杂背景以及高密度遮挡场景下的有效性。进一步的消融实验也证实了该模型的优势
CRediT作者贡献说明
Zhengmeng Wu:撰写——初稿撰写、可视化、验证、软件开发、方法设计、概念构思。Tongtong Gu:软件开发、项目管理、调研、数据整理。Chenyu An:可视化、验证、数据整理。Dashe Li:验证、资金获取、数据整理。Shue Liu:资源协调、项目管理、调研。
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。
致谢
所有作者感谢编辑和审稿人对本文的关注。我们恳请编辑和审稿人能为本研究提供宝贵的意见和修改建议。
本研究得到了中国国家自然科学基金的资助,项目编号为71973106,同时还获得了山东省自然科学基金的资助,项目编号为ZR2025MS689。
Zhengmeng Wu|Tongtong Gu|Chenyu An|Dashe Li|Shue Liu