典型文献
基于深度学习的水面漂浮物识别算法设计
文献摘要：
针对小型水域漂浮物识别困难问题,提出一种基于深度学习的目标识别方法,采用改进的YOLOv5s目标识别算法识别水面漂浮物.首先,根据水面漂浮物形状的特点,采用改进K-means算法,对先验框重新聚类,其次加入SE注意力机制模块,然后将α-IOU应用于YOLOv5s网络上.实验结果表明,对比标准的YOLOv5s算法,改进的YOLOv5s算法在查准率和平均精度均值方面分别提升了2％和4％,验证了算法的有效性,该方法能克服水面环境的影响,有效识别水面的漂浮物.
文献关键词：
深度学习;目标识别;漂浮物;YOLOv5
中图分类号：
作者姓名：
刘麒;尹港;王影;叶泽
作者机构：
吉林化工学院 信息与控制工程学院,吉林 吉林132022
文献出处：
引用格式：
[1]刘麒;尹港;王影;叶泽-.基于深度学习的水面漂浮物识别算法设计)[J].吉林化工学院学报,2022(07):28-33
A类：
漂浮物识别
B类：
水面,算法设计,小型水域,困难问题,目标识别方法,YOLOv5s,目标识别算法,算法识别,means,先验框,SE,注意力机制模块,IOU,查准率,平均精度均值,能克服
AB值：
0.295697
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。
