摘要
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.
基金项目
国家自然科学基金(51304078)
国家安监总局项目(Henan-0004-2018AQ)
河南省高等学校重点科研项目(22B430019)
河南省高等学校重点科研项目(22A510015)
国家科技期刊平台
NSTL
维普
万方数据