计量学报

北大核心,JST,CSCD扩展版,WJCI,

国内刊号:11-1864/TB

国际刊号:1000-1158

计量学报杂志2023年第1期:基于改进Faster R-CNN的水母检测与识别算法

发布日期:

作者:高美静,李时雨,刘泽昊,张博智,白洋,关宁,王萍,常秋悦

单位:北京理工大学 集成电路与电子学院,北京 100081

关键词:计量学;水母检测与识别;Faster R-CNN;ResNeXt;膨胀卷积; 残差网络

基金:国家自然科学基金(61971373);河北省自然科学基金(C2020203010);河北省博士在读研究生创新能力培养(CXZZBS2022148)

提出一种基于改进Faster R-CNN水母检测与识别算法。首先,建立了包含7种水母的数据集;然后,针对ResNeXt(C=32)用于目标检测时出现计算量较大的问题,在保证精确度的前提下,将分支数C设置为8以降低计算量;最后,为解决水母检测时出现的检测精度低和小个体无法检测的问题,在残差网络中引入膨胀卷积。实验结果表明:该算法较VGG16、ResNet101、ResNeXt(C=32)和ResNeXt(C=8)方法,mAP值分别提高了3.15%、2.09%、3.01%和2.36%;F1-score分别提高了2.53%、1.99%、2.01%和2.31%;loss损失函数收敛值更优,收敛精度趋近于0。P-R曲线、可视化效果分析和水母视频检测的结果证明:该算法的水母检测准确率和水母检测数量明显优于其他算法,检测精度较高,基本可以达到实时监测的要求。

来源:2023年第1期

《计量学报》期刊编辑部

查看计量学报杂志2023年第1期

联系我们

  • 地址:北京市朝阳区北三环东路18号
  • 电话:010-64271480

咨询工作人员