首页|基于YOLO和图像增强的海洋动物目标检测

基于YOLO和图像增强的海洋动物目标检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着现代海洋牧场中智能捕捞作业的发展,海洋动物的目标检测有十分广泛的应用前景.针对于海洋动物目标检测中水下环境光照不足和检测速度较慢的问题,设计了一种基于MSRCR和MobilenetV2-YOLOV3的海洋动物快速检测方案.首先利用MobilenetV2网络对数据集进行小规模分类训练;然后将MobilenetV2网络替换原始YOLOV3中的darknet53基础特征提取网络,并通过之前分类训练得到的参数迁移到特征提取网络中进一步训练得到检测模型;最后通过MSRCR算法增强水下图像,并在GPU嵌入式设备上进行实时检测.实验结果表明,在该方案下进行的海洋动物目标检测,其mAP值可达到71％,模型参数量只有18.5 M,在嵌入式设备上的检测速度可达到14.1 FPS.相较于其他网络模型,该方案可更好的用于水下动物的实时检测.
Marine animal target detection based on YOLO and image enhancement

贾振卿、刘雪峰

展开 >

青岛科技大学自动化与电子工程学院 青岛266061

目标检测 深度学习 YOLOV3算法 图像增强 MobilenetV2网络

国家自然科学基金国家自然科学基金

6197125361773227

2020

10.19651/j.cnki.emt.2004366

电子测量技术
北京无线电技术研究所

电子测量技术

CSTPCD北大核心
影响因子：1.166
ISSN：1002-7300
年,卷(期)：2020.43(14)
  • 7
  • 8