首页|面向水利监管的违采事件检测并行化方法研究

面向水利监管的违采事件检测并行化方法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
现有卷积神经网络检测方法不能满足高检测精度和速度的要求.针对此不足,利用卷积神经网络选取目标检测算法,以DarkNet53 网络模型为基础,结合黄河流域违采事件特点,对模型加入并行化设计,以检测速度和检测精度为评价指标,利用对比实验验证并行化后的HO-DarkNet 网络模型的加速效果.结果表明:并行化前HO-DarkNet模型的精确率约75％、召回率约96％、mAP@0.5为98.58％、mAP@0.5∶0.95为64.25％,与DarkNet53模型相比,并行化前HO-DarkNet模型的mAP@0.5、mAP@0.5∶0.95值分别提升了7.98％、8.79％;与并行处理前HO-DarkNet模型相比,并行处理后HO-DarkNet模型的mAP精度值未发生太大变化,但其加速比提高了2.32,对于视频图像的处理速度为21 fps/s,达到视频图像处理速度标准.
A Parallelized Approach to Detect Mining Violations for Water Conservancy Supervision

HO-DarkNet modelwater conservancy supervisiondetection of illegal mining incidentsparallelizationYellow River

马斌、徐海军、陈嘉靖

展开 >

华北水利水电大学信息工程学院,河南郑州450046

教育部职业教育发展中心,北京100029

HO-DarkNet模型 水利监管 违采事件检测 并行化 黄河

国家自然科学基金国家安监总局项目河南省高等学校重点科研项目河南省高等学校重点科研项目

51304078Henan-0004-2018AQ22B43001922A510015

2023

10.3969/j.issn.1000-1379.2023.10.022

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子：0.494
ISSN：1000-1379
年,卷(期)：2023.45(10)
  • 6