基于改进YOLOX的城市河道智能水位测量算法OA
Intelligent water level measurement algorithm for urban rivers based on improved YOLOX
针对目前基于深度学习水位测量算法存在特征信息提取不充分问题,提出一种基于改进YOLOX的城市河道水位智能测量算法.为了提高YOLOX对多类别密集目标的识别率,在特征融合网络中引入CBAM注意力机制,并采用基于计算目标框信息的损失函数D-IoU加快模型收敛.该算法利用改进后的YOLOX对水尺刻度进行识别与统计,并计算出水位值.试验表明提出的新算法对水尺刻度和数字的平均识别率分别达 98.62%和 92.23%,最终计算水位的平均误差为1.16 cm…查看全部>>
In response to the problem of insufficient feature information extraction in current deep learning based water level measurement algorithms,an intelligent water level measurement algorithm for urban rivers based on improved YOLOX is proposed.To improve the recognition rate of YOLOX for multi-class dense targets,CBAM attention mechanism is introduced in the feature fusion network,and a loss function D-IoU based on calculating target box information is adopted…查看全部>>
吕姚;包学才;彭宇;查小红;黄明坤
南昌工程学院信息工程学院||江西省水信息协同感知与智能处理重点实验室南昌工程学院信息工程学院||江西省水信息协同感知与智能处理重点实验室南昌工程学院信息工程学院||江西省水信息协同感知与智能处理重点实验室南昌工程学院网络信息中心,江西南昌 330099南昌工程学院信息工程学院||江西省水信息协同感知与智能处理重点实验室
计算机与自动化
深度学习水位测量CBAMDIoU
deep learningwater level measurementCBAMDIoU
《南昌工程学院学报》 2024 (3)
13-18,6
江西省水利厅科技项目(编号202223YBKT24)
评论