基于无人船视觉的水域人员类别识别算法
wf（2022）
摘要
针对水域环境下人员识别,提出了一种基于水面无人船(unmanned surface ship,USV)视觉传感器的水域人员类别识别算法.依照数据采集与模型更新流程,将采集到的视频数据进行数据清洗与标记后,创建人员类别数据集39 959张图片,7个类别;实践了基于深度学习方法下主流目标检测网络YOLO v5,并针对水域环境场景特点,提出基于YOLO v5的人员类别识别算法;将人员类别识别算法部署到边缘计算平台,实现算法在无人船上的实时应用.算法在人员类别识别数据集上达到了平均精度86％,在无人船实测中实现了每秒处理38帧的人员类别识别实时性表现.
更多关键词
YOLO v5
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要