典型文献
基于图像增强与改进YOLOv3的水下生物检测算法
文献摘要：
为准确检测水下生物,本文采用优化的MSRCR算法对水下图像进行增强,并基于DenseNet思想提出一种改进的YOLOv3目标检测算法Den-YOLOv3.针对水下生物图像中存在的图像模糊、色偏严重的问题,将ACE算法作用于MSRCR算法增强后的图像,以优化图像颜色及亮度.同时,将YOLOv3特征提取网络中的残差模块替换成密集块,得到Den-YOLOv3模型,该模型有效加强了特征传播,提高了检测精度.实验结果表明:优化后的ACE_MSRCR算法能有效增强水下图像,进而提高检测精度.Den-YOLOv3对四类水下生物的检测精度均高于其他模型,在检测速度上达到25 ms/帧,可以满足对水下生物实时检测的要求.
文献关键词：
计算机应用;水下生物检测;水下图像;图像增强;深度学习
中图分类号：
作者姓名：
郝琨;王阔;赵璐;王贝贝;王传启
作者机构：
天津城建大学计算机与信息工程学院,天津300384;天津城建大学控制与机械工程学院,天津300384;天津凯发电气股份有限公司,天津300384
文献出处：
引用格式：
[1]郝琨;王阔;赵璐;王贝贝;王传启-.基于图像增强与改进YOLOv3的水下生物检测算法)[J].吉林大学学报（工学版）,2022(05):1088-1097
A类：
水下生物检测
B类：
图像增强,YOLOv3,MSRCR,水下图像,DenseNet,目标检测算法,生物图像,色偏,ACE,亮度,特征提取网络,残差模块,替换成,密集块,特征传播,检测精度,高检,四类,检测速度,上达,ms,实时检测,计算机应用
AB值：
0.308588
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
