10.13873/J.1000-9787(2021)10-0136-03
基于深度卷积神经网络的水面漂浮物分类识别
为解决水面漂浮物的分类回收问题,在深度学习框架下,基于深度卷积神经网络(DCNN)提出了用于水面漂浮物的分类识别模型.使用电荷耦合器件(CCD)相机采集各类漂浮物的图像,通过平移旋转、随机裁剪、仿射变换和添加噪声的操作进行了扩充并建立了训练和测试数据集.通过对低层特征自动分层地学习提取抽象的高层特征,基于提取的高层特征,用SoftMax分类器进行训练.实验结果表明:漂浮物的分类准确率可达98.46%,从而验证了所提模型对于水面漂浮物分类识别的可行性与有效性.
漂浮物分类;卷积神经网络;深度学习;分类模型
40
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目61304186
2021-10-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
136-138,146