基于深度学习的水面漂浮物目标检测评估

• 作者: 姚冬宜 彭婧 艾矫燕 雷李义
• 来源期刊: 环境与发展
• 学科: 工学
• 关键词: 数据集 深度学习 目标检测
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 实验研究
• 页码范围: 117-120,123
• 页数: 5页
• 分类号: TP391
• 字数: 6542字
• 语种: 中文
• DOI: 10.16647/j.cnki.cn15-1369/X.2019.06.071

摘要

在这篇文章中,我们提出了一个关于水面漂浮物的小型数据集,并分析了几种目标检测模型在数据集上的表现,包括Faster R-CNN,R-FCN和SSD.我们的目的是探究目标检测模型在检测水面漂浮物特别是非物体类别时的特性,并找出权衡精确度和速度后最适合于引导水面清洁无人船的模型.为此,我们制作了一个小型的水面漂浮物数据集,数据集主要包括漂浮水草和漂浮落叶.之后我们通过将预训练模型在水面漂浮物数据集上进行迁移学习,实现了对于水面漂浮物区域的目标检测.我们对比并分析了这些模型的表现,SSD目标检测模型有着更高的精确度,Faster R-CNN模型则能给出更详细的预测,而同时拥有丰富结构特征和相当深度特征的模型对于困难目标有着更好的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾矫燕	广西大学电气工程学院	37	152	8.0	10.0
2	雷李义	广西大学电气工程学院	2	0	0.0	0.0
3	彭婧	广西大学电气工程学院	1	0	0.0	0.0
4	姚冬宜	广西大学电气工程学院	1	0	0.0	0.0