基于YOLOv3的水下小目标自主识别

基于YOLOv3的水下小目标自主识别
袁利毫; 昝英飞; 钟声华; 祝海涛
【期刊名称】《《海洋工程装备与技术》》
【年(卷),期】2018(005)B10
【摘要】针对智能水下机器人作业时小目标自主识别的需求,提出基于深度学习的YOLOv3算法,通过对水下机器人实采数据进行神经网络权重训练,实现对水下小目标物快速、精确的识别与分类,从而解决在复杂的水下地形和未知作业环境中对水下目标识别问题。

并分析算法学习率在水下海珍品数据集上对损失函数值的影响。

实验结果表明,基于YOLOv3算法的水下海珍品的目标检测具有强实时性与高准确率,所有目标类别查准率高达99%,物体的查全率在90%以上,可达35帧/秒的检测速率;在网络训练过程中调整学习率有利于加速并降低损失函数值。

【总页数】6页(P118-123)
【作者】袁利毫; 昝英飞; 钟声华; 祝海涛
【作者单位】[1]哈尔滨工程大学船舶工程学院黑龙江哈尔滨150001
【正文语种】中文
【中图分类】U445.543
【相关文献】
1.基于形态特征的水下小目标识别方法 [J], 李轲;刘忠;毛盾
2.基于多参量联合特征的水下小目标分类识别 [J], 赵国贵; 梁红; 陆禹; 杨长生
3.基于多参量联合特征的水下小目标分类识别 [J], 赵国贵; 梁红; 陆禹; 杨长生
4.基于改进YOLOv3算法的水下小目标分类与识别 [J], 邵慧翔;曾丹
5.基于图像融合及YOLOv3的水下生物目标识别研究 [J], 林秦辉;甘屹;王双园因版权原因，仅展示原文概要，查看原文内容请购买。