典型文献
基于Faster-RCNN算法的轻量化改进及其在沙滩废弃物检测中的应用
文献摘要：
由于背景环境复杂,检测物体易受部分遮挡、天气以及光线变化等因素的影响,传统目标检测方法存在提取特征难、检测准确率低、检测耗时长等缺陷.为了改善传统目标检测方法存在的缺陷,实现快速准确的目标检测,提出了一种基于快速区域卷积神经网络(faster regions with convolutional neural network,Faster-RCNN)算法的轻量化改进方法,即针对算法Inception-V2特征提取网络进行轻量化改进,并以带泄露线性整流(leaky rectified linear unit,Leaky ReLU)作为激活函数,解决使用线性整流(rectified linear unit,ReLU)激活函数存在的神经元输入为负数时输出为0的问题.基于上述改进方法,选择沙滩废弃物的检测为案例以验证方法的有效性,并且结合不同特征提取网络在检测沙滩废弃物时的表现,对比了SSD(single shot multibox detector)与Faster-RCNN算法.实验结果表明:所提改进算法在实际检测中有较好的综合性能,且相比原算法Faster-RCNN_Inception-V2,轻量化改进后的Inception-V2特征提取网络卷积计算量减少51.8％,模型训练耗时缩短了9.1％,检测耗时减少了10.9％,各类别AP的平均值(mean average precision,mAP)增加了1.02％,可见所提的改进方法能够有效提高目标检测的准确率,减少检测耗时,并在沙滩废弃物检测上得到成功应用,为海滨城市的沙滩清理维护提供了技术支持与保障.
文献关键词：
快速区域;卷积神经网络;Inception-V2;轻量化特征提取网络;带泄露线性整流激活函数;沙滩废弃物
中图分类号：
作者姓名：
龚圣斌;王少杰;侯亮;张荣辉;林晓涵;吴彬云
作者机构：
厦门大学航空航天学院,福建 厦门 361102
文献出处：
引用格式：
[1]龚圣斌;王少杰;侯亮;张荣辉;林晓涵;吴彬云-.基于Faster-RCNN算法的轻量化改进及其在沙滩废弃物检测中的应用)[J].厦门大学学报（自然科学版）,2022(02):253-261
A类：
沙滩废弃物,带泄露线性整流激活函数
B类：
Faster,RCNN,背景环境,环境复杂,部分遮挡,光线变化,目标检测方法,提取特征,检测准确率,快速准确,快速区域卷积神经网络,faster,regions,convolutional,neural,network,改进方法,Inception,V2,leaky,rectified,linear,unit,Leaky,ReLU,负数,验证方法,SSD,single,shot,multibox,detector,改进算法,卷积计算,计算量,模型训练,mean,average,precision,mAP,上得,成功应用,海滨城市,轻量化特征提取网络
AB值：
0.301252
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。
