首页|基于改进YOLOv3算法的水面漂浮物检测方法

基于改进YOLOv3算法的水面漂浮物检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对人工湖中的水面漂浮物检测问题,提出了一种基于改进YOLOv3的水面漂浮物目标检测算法,目标检测包括目标识别与目标定位.首先通过改进的k-means聚类算法获取先验框,以提高定位框与数据集标注框的匹配度,其次在YOLOv3算法框架的3个预测支路中添加类别激活映射(CAM),将原基于边界框的定位方式替换成基于像素点进行定位.实验结果表明:改进的YOLOv3算法提高了识别精度,降低了定位误差.识别精度为97.49％,比YOLOv3算法提高5.14％,平均定位误差为2.60个像素点,比YOLOv3算法减小了1.36.
Floating objects detection based on improved YOLOv3

李国进、姚冬宜、艾矫燕、易泽仁、雷李义、王旺易

展开 >

广西大学 电气工程学院,广西 南宁 530004

水面漂浮物 目标检测 YOLOv3算法 k-means聚类算法 类别激活映射

国家自然科学基金广西创新驱动发展专项

61563002桂科AA17202032-2

2021

10.13624/j.cnki.issn.1001-7445.2021.1569

广西大学学报(自然科学版)
广西大学

广西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.767
ISSN：1001-7445
年,卷(期)：2021.46(6)
  • 7
  • 6