海滩水边线的提取是海洋科学和海岸工程领域的一项重要研究任务。为缓解传统方法在处理该任务时存在的噪声敏感、阈值不稳定、需手动调参等问题,本文对影像数据进行了极值预处理,并提出了基于可变形卷积的改进SOLOv2水边线提取算法。本...海滩水边线的提取是海洋科学和海岸工程领域的一项重要研究任务。为缓解传统方法在处理该任务时存在的噪声敏感、阈值不稳定、需手动调参等问题,本文对影像数据进行了极值预处理,并提出了基于可变形卷积的改进SOLOv2水边线提取算法。本文探讨了特征提取网络深度和可变形卷积(DCN)应用层数对算法精度与速度的影响。随着特征提取网络深度的增加,水边线提取算法的精度逐渐提高,但速度明显降低,实际特征提取网络深度以50为宜;随着DCN应用层数的增加,水边线提取算法的精度呈先增加后减小的趋势,实际应用层数以2为宜;相较于原始SOLOv2算法,改进SOLOv2算法在平均精度(average precision,AP)和平均交并比(intersection over union,IoU)上的性能分别提升了1.7%和0.1%。此外,通过将算法权重由单精度转换为半精度,进一步提升了算法的推理速度。展开更多
在家蚕养殖过程中,通常需要人工检查家蚕是否发生病变,但人工检查存在效率低、检查不全面等问题。为解决这些问题,本研究提出一种新颖的家蚕图像实例分割算法(多级残差特征融合Multi-ResFF-SOLOv2),该算法引入多级残差模块,分别是梯度...在家蚕养殖过程中,通常需要人工检查家蚕是否发生病变,但人工检查存在效率低、检查不全面等问题。为解决这些问题,本研究提出一种新颖的家蚕图像实例分割算法(多级残差特征融合Multi-ResFF-SOLOv2),该算法引入多级残差模块,分别是梯度、傅立叶和空间通道注意力残差模块,从而提取出更高维的语义信息。实验结果分析表明,该算法的平均精确度(Mean Average Precision,mAP)为96.7%,模型经过量化后,其推理速度为61fps。结果为家蚕农业养殖的智能化发展提供了有效的解决方案。展开更多
文摘海滩水边线的提取是海洋科学和海岸工程领域的一项重要研究任务。为缓解传统方法在处理该任务时存在的噪声敏感、阈值不稳定、需手动调参等问题,本文对影像数据进行了极值预处理,并提出了基于可变形卷积的改进SOLOv2水边线提取算法。本文探讨了特征提取网络深度和可变形卷积(DCN)应用层数对算法精度与速度的影响。随着特征提取网络深度的增加,水边线提取算法的精度逐渐提高,但速度明显降低,实际特征提取网络深度以50为宜;随着DCN应用层数的增加,水边线提取算法的精度呈先增加后减小的趋势,实际应用层数以2为宜;相较于原始SOLOv2算法,改进SOLOv2算法在平均精度(average precision,AP)和平均交并比(intersection over union,IoU)上的性能分别提升了1.7%和0.1%。此外,通过将算法权重由单精度转换为半精度,进一步提升了算法的推理速度。
文摘在家蚕养殖过程中,通常需要人工检查家蚕是否发生病变,但人工检查存在效率低、检查不全面等问题。为解决这些问题,本研究提出一种新颖的家蚕图像实例分割算法(多级残差特征融合Multi-ResFF-SOLOv2),该算法引入多级残差模块,分别是梯度、傅立叶和空间通道注意力残差模块,从而提取出更高维的语义信息。实验结果分析表明,该算法的平均精确度(Mean Average Precision,mAP)为96.7%,模型经过量化后,其推理速度为61fps。结果为家蚕农业养殖的智能化发展提供了有效的解决方案。
