- 1、本文档共107页,其中可免费阅读33页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
摘要
随着人工智能的发展,新质生产力被广泛地运用到水面漂浮物检测任务中。
目前该任务仍面临诸多挑战:(1)现有的水面漂浮物数据集规模小且丰富度不够,
缺乏光照不均匀、雨雪或者大雾等恶劣天气下的数据信息。(2)针对复杂的水面
环境,主流的目标检测模型的识别精度和实时性会产生衰减。(3)水面漂浮物种
类多且尺寸差异大。本文利用深度学习技术,提出了两种具有较高精度的水面漂
浮物检测算法模型:FG-YOLONet和MF
文档评论(0)