海洋工程装备与技术

2018, v.5(S1) 118-123

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于YOLOv3的水下小目标自主识别
Small Underwater Target Recognition Based on YOLOv3

袁利毫;昝英飞;钟声华;祝海涛;

摘要(Abstract):

针对智能水下机器人作业时小目标自主识别的需求,提出基于深度学习的YOLOv3算法,通过对水下机器人实采数据进行神经网络权重训练,实现对水下小目标物快速、精确的识别与分类,从而解决在复杂的水下地形和未知作业环境中对水下目标识别问题。并分析算法学习率在水下海珍品数据集上对损失函数值的影响。实验结果表明,基于YOLOv3算法的水下海珍品的目标检测具有强实时性与高准确率,所有目标类别查准率高达99%,物体的查全率在90%以上,可达35帧/秒的检测速率;在网络训练过程中调整学习率有利于加速并降低损失函数值。

关键词(KeyWords): 水下机器人;深度学习;YOLOv3算法;水下小目标识别

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划(2018YFC0309400)

作者(Author): 袁利毫;昝英飞;钟声华;祝海涛;

Email:

DOI:

文章评论(Comment):

序号(No.) 时间(Time) 反馈人(User) 邮箱(Email) 标题(Title) 内容(Content)
反馈人(User) 邮箱地址(Email)
反馈标题(Title)
反馈内容(Content)
扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享