基于R-CNN训练法的水面漂浮物智能识别技术探讨被引量：1

Research on intelligent recognition technology of floating objects based on R-CNN training method

导出

摘要在R-CNN训练法基础上提出对水面漂浮物智能识别的方法,本方法将摄像机作为图像传感器,使用GPU服务器进行算法训练,以城市河湖的河道为研究对象,通过图像采集、预处理标注、模型建立、训练及推理等完成水面漂浮物的智能识别过程.本研究在于探究使用成本低、时效性高、便捷、安全的先进技术手段服务于水务行业,给业务工作提供有力的智慧化数字支撑,同时对智能识别在水务领域应用有一定的参考价值.

作者李昌龙 LI Changlong

机构地区北京市水利自动化研究所

出处《北京水务》 2019年第S01期18-21,共4页 Beijing Water

关键词漂浮物深度学习神经网络

分类号 TP393 [自动化与计算机技术—计算机应用技术]

引文网络
相关文献

参考文献5

1郑林,刘泉,王林涛.基于背景分割技术的水面运动目标提取[J].武汉理工大学学报,2006,28(10):97-100. 被引量：3
2王敏,周树道.静态水上物体检测分割算法[J].实验室研究与探索,2010,29(6):30-32. 被引量：6
3左建军,吴有富.水面漂浮物智能监控技术[J].软件导刊,2013,20(4):150-152. 被引量：15
4赵亮,王晓峰,袁逸涛.基于深度卷积神经网络的船舶识别方法研究[J].舰船科学技术,2016,38(8):119-123. 被引量：31
5黄铁军,郑锦,李波,傅慧源,马华东,薛向阳,姜育刚,于俊清.多媒体技术研究:2013——面向智能视频监控的视觉感知与处理[J].中国图象图形学报,2014,19(11):1539-1562. 被引量：26

二级参考文献143

1胡巍,何小海,高明亮,李木维,郭佩.一种新型的雨雪视频图像复原方法[J].四川大学学报（工程科学版）,2012,44(S1):203-207. 被引量：1
2刘勃,魏铭旭,周荷琴.一种基于区间分布的自适应背景提取算法[J].模式识别与人工智能,2005,18(3):316-321. 被引量：7
3王年,范益政,鲍文霞,韦穗,梁栋.基于图割的图像匹配算法[J].电子学报,2006,34(2):232-236. 被引量：27
4胡溢,李平,韩波.微型UAV水面检测系统研究[J].机电工程,2006,23(12):33-36. 被引量：1
5冈萨雷斯.数字图像处理[M].北京:电子工业出版社,2003.. 被引量：136
6S J MAYBANK,T N TAN. Special section on visual surveillanceintroduction[J].International Journal of Computer Vision,2000,(06). 被引量：1
7C REGAZZONI,V RAMESH. Special issue on video communnications,processing,and understanding for third generation surveillance systems[J].Proceedings of the IEEE,2001,(10). 被引量：1
8C STAUFFER,W GRIMSON. Adaptive background mixture models for real-time tracking[A].1999. 被引量：1
9HARITAOG1U I,HARWOOD DAVID,DAVIS L S. Real-time surveillance of people and their acticities[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,(08). 被引量：1
10ITU-T. Advanced video coding for generic audiovisual services [ S]. ITU-T Rec. H. 264, 2004. 被引量：1

共引文献75

1郑林,刘泉,郭金旭.基于EM算法的多椭圆形目标检测[J].计算机工程与应用,2008,44(19):180-181.
2崔振萍,覃永新,叶洪涛,胡波,马兆敏.基于镜面反射原理进行水位视觉检测的新方法[J].科学技术与工程,2014,22(15):230-232.
3陈雷,周靖仁,田晓燕.基于图像的巡检船主动避障算法[J].河北大学学报（自然科学版）,2014,34(4):434-438.
4田晓燕,陈雷,刘志强.GOA避障算法的嵌入式系统实现[J].电视技术,2015,39(9):125-128.
5何龙.浅谈视频流媒体大数据技术中语义分析方法的应用[J].无线互联科技,2015,12(22):147-148. 被引量：2
6吴建宝,肖诗斌,王焕鹏.改进的神经网络算法在舰船目标识别上的应用[J].北京信息科技大学学报（自然科学版）,2019,34(3):94-98. 被引量：4
7李瑶,罗福强,马磊,范展源.景区智能导游系统大数据建模与性能优化研究[J].软件导刊,2016,15(4):115-118. 被引量：5
8吴群,王田,王汉武,赖永炫,钟必能,陈永红.现代智能视频监控研究综述[J].计算机应用研究,2016,33(6):1601-1606. 被引量：69
9王中杰.实验室智能视频监控系统开发[J].自动化技术与应用,2016,35(5):115-117. 被引量：7
10李方,潘春燕.水资源监控平台优化设计[J].电子技术与软件工程,2016(15):81-81. 被引量：1

同被引文献5

1王敏,周树道.静态水上物体检测分割算法[J].实验室研究与探索,2010,29(6):30-32. 被引量：6
2蔡强,刘亚奇,曹健,毛典辉,牛群.图像目标类别检测综述[J].计算机科学与探索,2015,9(3):257-265. 被引量：13
3李宁,王雨萱,徐守坤,石林.基于AlexNet的小样本水面漂浮物识别[J].计算机应用与软件,2019,36(2):245-251. 被引量：19
4雷李义,艾矫燕,彭婧,姚冬宜.基于深度学习的水面漂浮物目标检测评估[J].环境与发展,2019,31(6):117-120. 被引量：8
5邓磊,严立甫,张诗晗,杨潞瑶,邓林.基于机器视觉的水面漂浮物智能识别判定系统[J].电子测试,2019,0(17):133-134. 被引量：4

引证文献1

1刘伟,王源楠,江山,马天,肖维.基于Mask R-CNN的水面漂浮物识别方法研究[J].人民长江,2021,52(11):226-233. 被引量：10

二级引证文献10

1詹云峰,黄志斌,付波,王小龙.基于视觉的水面背景下目标检测与跟踪算法[J].科学技术与工程,2022,22(33):14809-14819. 被引量：5
2顿晓晗,江山,王源楠.基于视频智能分析的河道监管系统设计与研究[J].水利信息化,2023(1):68-74.
3赵科锋,曹慧群,林莉,靖争,罗平安.人工智能视频识别在水利数字孪生中的典型应用[J].长江科学院院报,2023,40(3):186-190. 被引量：10
4许小华,陈豹,王海菁,包学才.基于改进YOLOv4-Tiny的河湖船舶目标检测算法[J].人民长江,2023,54(9):264-271. 被引量：1
5刘尧兵,张建杰,刘丹,徐鸿哲.基于YOLOv5-DSC的漂浮物目标检测[J].现代电子技术,2023,46(22):144-150.
6任英杰,李传奇,王薇,葛召华.改进YOLOv3的轻量化漂浮物检测算法[J].水利水电技术（中英文）,2023,54(10):170-179. 被引量：2
7王宁,杨志斌.基于深度可分离卷积和交叉注意力的水面污染识别[J].计算机系统应用,2024,33(1):297-303.
8张彬桥,刘雷,杨洋,侯成伟.基于SVD-CWT和CNN的水轮发电机转子故障识别[J].中国农村水利水电,2024(2):205-209.
9谭文群,曾祥君,包学才,梁义,许小华.基于改进YOLOX的水库水面漂浮物目标检测算法[J].人民长江,2024,55(3):249-256.
10张瑶,陈姚节.改进YOLOv8的水面小目标检测算法[J].计算机系统应用,2024,33(4):152-161. 被引量：1

1刘伟.试论秸秆还田怎样促进种植业自身持续发展[J].新农民,2019,0(26):37-38.
2邹士龙.机械设计制造及其自动化的设计原则与意义[J].新商务周刊,2019,0(13):231-231.
3保健问答[J].健康之家,2019,0(10):78-79.
4视频智能识别技术的研究及应用[J].北京水务,2019,0(S01).
5杨劲业,王昕,郑益慧,李立学.基于ViBe检测的输电线路防外力破坏预警模型[J].电气自动化,2019,41(6):36-39. 被引量：5
6顾雯雯.电梯远程监控系统设计[J].中国电梯,2019,30(23):31-33. 被引量：4
7高照.图书编辑出版中技术手段升级面临的问题与对策探究[J].科技传播,2019,11(22):163-164. 被引量：5
8船舶新能源为电动船舶打造“绿色心脏”[J].船舶与配套,2019,0(10):94-94.
9张叶飞.建筑工程质量监督管理中信息化技术的应用[J].门窗,2019,0(13):55-55. 被引量：2
10王长革,杨大为,赵羲月.北京市中心城区2016年“7·20”暴雨洪水调度分析[J].北京水务,2019,0(5):5-9. 被引量：3

北京水务

2019年第S01期

浏览历史

内容加载中请稍等...

基于R-CNN训练法的水面漂浮物智能识别技术探讨被引量：1

参考文献5

二级参考文献143

共引文献75

同被引文献5

引证文献1

二级引证文献10

相关作者

相关机构

相关主题

浏览历史

基于R-CNN训练法的水面漂浮物智能识别技术探讨 被引量：1

参考文献5

二级参考文献143

共引文献75

同被引文献5

引证文献1

二级引证文献10

相关作者

相关机构

相关主题

浏览历史

基于R-CNN训练法的水面漂浮物智能识别技术探讨被引量：1