【技术实现步骤摘要】
本专利技术属于人工智能、计算机视觉领域，涉及一种深度学习轻量化网络的水面漂浮物检测方法。
技术介绍
1、河流给人们带来了便捷的生活和一些经济来源，但如果处理不当也会带来一些灾难。除了洪涝等自然灾害，河流的污染是目前亟待解决的一个问题，河流水面漂浮物目标检测与识别是解决污染的前提条件。因此，为建设生态文明城市，实现发展目标，对水环境的保护刻不容缓，对水面漂浮物的检测和清理至关重要。
2、已有的水面目标检测算法包括传统目标检测算法和基于深度学习的目标检测算法。前者主要基于手工提取特征，在受到大量噪声或其他因素干扰等情况下，很难被较好地提取，分类器的实现效果会受到影响，从而无法很好地分类、识别目标。基于深度学习的目标检测技术解决了传统目标检测滑动窗口选择和手动提取特征的缺点，提高了目标检测准确度和实时性。虽然检测精度有所提高，但模型的计算量较大导致检测精度有所下降，并且在进行模型移植的过程需要减小模型尺寸。因此，如何在保证不损失检测精度的前提下实行模型的轻量化，是本专利所考虑的关键问题。
技术实现思路<
本文档来自技高网...
【技术保护点】
1.一种基于深度学习轻量化网络的水面漂浮物检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习轻量化网络的水面漂浮物检测方法，其特征在于，所述步骤S2针对河道水面漂浮物数据集的样本增强，具体算法如下：
3.根据权利要求1所述的一种基于深度学习轻量化网络的水面漂浮物检测方法，其特征在于，步骤s3中面向水面漂浮物数据集的YOLOv5s模型及训练过程包括：
4.根据权利要求1所述的一种基于深度学习轻量化网络的水面漂浮物检测方法，其特征在于，所述步骤s4中模型压缩过程为：
【技术特征摘要】
1.一种基于深度学习轻量化网络的水面漂浮物检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习轻量化网络的水面漂浮物检测方法，其特征在于，所述步骤s2针对河道水面漂浮物数据集的样本增强，具体算法如下：
3.根据权利要...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。