典型文献
水下鱼类目标智能跟踪识别系统的设计与实现
文献摘要：
当前通过水下摄像头采集到的水下鱼类目标视频往往存在失真、噪声干扰及光线折射等问题,而传统的视频模式识别跟踪算法在检测复杂、模糊、重叠和紧凑的目标时结果普遍差.基于TensorFlow 2.0和YOLO V4,结合深度学习,设计1个水下视频鱼类目标智能跟踪识别系统.系统对6种鱼类视频的识别准确率(Mean Average Precision,mAP)达到98.50％,跟踪效率(Frames Per Second,FPS)达到46.测试数据表明:系统实现了水下鱼类视频目标的准确识别和实时跟踪,为水产养殖的科学化与数字化提供了智能支持.
文献关键词：
深度学习;TensorFlow2 . 0;YOLOV4;OpenCV;目标检测与跟踪
中图分类号：
作者姓名：
杨民峰;孙洪迪
作者机构：
北京工业职业技术学院信息工程学院,北京100042
文献出处：
引用格式：
[1]杨民峰;孙洪迪-.水下鱼类目标智能跟踪识别系统的设计与实现)[J].北京工业职业技术学院学报,2022(02):16-20
A类：
鱼类视频
B类：
类目,识别系统,过水,摄像头,失真,噪声干扰,光线,视频模式,模式识别,跟踪算法,紧凑,识别准确率,Mean,Average,Precision,mAP,Frames,Per,Second,FPS,测试数据,系统实现,准确识别,实时跟踪,水产养殖,智能支持,TensorFlow2,YOLOV4,OpenCV,目标检测与跟踪
AB值：
0.50775
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。
