基于R-CNN训练法的水面漂浮物智能识别技术探讨

• 作者: 李昌龙
• 来源期刊: 北京水务
• 学科: 工学
• 关键词: 漂浮物 深度学习 神经网络
• 年，卷（期）: 2019,（z1）
• 所属期刊栏目: 信息化技术研究与应用
• 页码范围: 18-21
• 页数: 4页
• 分类号: TP393
• 字数: 4391字
• 语种: 中文
• DOI: 10.19671/j.1673-4637.2019.S1.006

摘要

在R-CNN训练法基础上提出对水面漂浮物智能识别的方法,本方法将摄像机作为图像传感器,使用GPU服务器进行算法训练,以城市河湖的河道为研究对象,通过图像采集、预处理标注、模型建立、训练及推理等完成水面漂浮物的智能识别过程.本研究在于探究使用成本低、时效性高、便捷、安全的先进技术手段服务于水务行业,给业务工作提供有力的智慧化数字支撑,同时对智能识别在水务领域应用有一定的参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李昌龙		1	0	0.0	0.0