基于深度学习的水面漂浮物识别算法设计

摘要：

针对小型水域漂浮物识别困难问题,提出一种基于深度学习的目标识别方法,采用改进的YOLOv5s目标识别算法识别水面漂浮物.首先,根据水面漂浮物形状的特点,采用改进K-means算法,对先验框重新聚类,其次加入SE注意力机制模块,然后将α-IOU应用于YOLOv5s网络上.实验结果表明,对比标准的YOLOv5s算法,改进的YOLOv5s算法在查准率和平均精度均值方面分别提升了2％和4％,验证了算法的有效性,该方法能克服水面环境的影响,有效识别水面的漂浮物.

关键词：深度学习、目标识别、漂浮物、YOLOv5

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：吉林化工学院科研项目;吉林化工学院重大科技项目;吉林化工学院重大科技项目

在线出版日期：2022-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：28-33