公开(公告)号：CN112613343B

公开(公告)日：2023-12-15

申请号：CN202011383306.1

申请日：2020-12-01

Applicant: 浙江大学

Inventor： 林峰 ,  侯添 ,  朱志冠

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/762 ,  G06V10/82 ,  G06V10/764 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084 ,  G06T3/40

Abstract: 本发明涉及计算机视觉技术领域，具体地说，涉及一种基于深度学习的河道漂浮物监测方法。利用已有的摄录设备从一定的角度、合适的距离，对河道水面的漂浮物进行监测，获得视频图像后，对数据集中所有标注的边框进行尺度的聚类处理，再对视频数据采用Mosaic数据增强方法进行预处理，然后利用训练好的分类模型进行识别，对漂浮物进行实时检测。本发明例的训练及检测网络采用YOLOv4网络结构，其特征图的上采样方式采用双线性插值算法，在保证模型准确性的同时，降低了计算量，提升了设备的计算速度。该方法准确率高，检测速度快，具有很高的应用价值。

公开(公告)号：CN112613343A

公开(公告)日：2021-04-06

申请号：CN202011383306.1

申请日：2020-12-01

Applicant: 浙江大学

Inventor： 林峰 ,  侯添 ,  朱志冠

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及计算机视觉技术领域，具体地说，涉及一种基于深度学习的河道漂浮物监测方法。利用已有的摄录设备从一定的角度、合适的距离，对河道水面的漂浮物进行监测，获得视频图像后，对数据集中所有标注的边框进行尺度的聚类处理，再对视频数据采用Mosaic数据增强方法进行预处理，然后利用训练好的分类模型进行识别，对漂浮物进行实时检测。本发明例的训练及检测网络采用YOLOv4网络结构，其特征图的上采样方式采用双线性插值算法，在保证模型准确性的同时，降低了计算量，提升了设备的计算速度。该方法准确率高，检测速度快，具有很高的应用价值。