原文传递
基于机器学习的复杂光照条件下的河道船舶自动识别算法
| 题名： | 基于机器学习的复杂光照条件下的河道船舶自动识别算法 |
| 作者： | 唐凡;陈瑜;杨志臻;朱雨晴;封雷;沈伟;田琳琳 |
| 关键词： | 深度学习;船舶;模式识别;复杂环境;图像分析 |
| 摘要： | 重庆市渝中区生态环境监测站;科学技术部信息中心;重庆知行数联智能科技有限公司;中国科学院重庆绿色智能技术研究院;三峡库区水环境大数据智能分析技术重庆市工程研究中心;北京生产力促进中心;国家遥感中心随着大数据时代的到来，尤其是在图像识别领域深度学习理论得到了迅速的发展和应用。与经典的主成分分析（PCA）等识别算法相比较，深度学习算法具有识别率高，鲁棒性强。基于卷积神经网络（CNN）原理，提出了一种在复杂环境条件下基于现场可编程门阵列（FPGA）的实时船舶识别算法，该方法提高了库区复杂环境条件下船舶自动识别的速度和准确性。该识别算法基于全面多节点的FPGA构建，实现船舶快速自动监测的目的。测试结果表明，该方法识别速度已达到360帧每秒（FPS）的传输速度，远远超过现有结果。识别率为85%。此外，该算法针对库区复杂光照环境具有很好的鲁棒性。 |
| 期刊名称： | 水上安全 |
| 出版年： | 2023 |
| 页码： | 32-34 |
检索历史
应用推荐
