10.3969/j.issn.1000-1379.2023.10.022
面向水利监管的违采事件检测并行化方法研究
现有卷积神经网络检测方法不能满足高检测精度和速度的要求.针对此不足,利用卷积神经网络选取目标检测算法,以DarkNet53 网络模型为基础,结合黄河流域违采事件特点,对模型加入并行化设计,以检测速度和检测精度为评价指标,利用对比实验验证并行化后的HO-DarkNet 网络模型的加速效果.结果表明:并行化前HO-DarkNet模型的精确率约75%、召回率约96%、mAP@0.5为98.58%、mAP@0.5∶0.95为64.25%,与DarkNet53模型相比,并行化前HO-DarkNet模型的mAP@0.5、mAP@0.5∶0.95值分别提升了7.98%、8.79%;与并行处理前HO-DarkNet模型相比,并行处理后HO-DarkNet模型的mAP精度值未发生太大变化,但其加速比提高了2.32,对于视频图像的处理速度为21 fps/s,达到视频图像处理速度标准.
HO-DarkNet模型、水利监管、违采事件检测、并行化、黄河
45
TV853;TV882.1(治河工程与防洪工程)
国家自然科学基金;国家安监总局项目;河南省高等学校重点科研项目;河南省高等学校重点科研项目
2023-10-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
122-125