科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有卷积神经网络检测方法不能满足高检测精度和速度的要求。针对此不足，利用卷积神经网络选取目标检测算法，以DarkNet53网络模型为基础，结合黄河流域违采事件特点，对模型加入并行化设计，以检测速度和检测精度为评价指标，利用对比实验验证并行化后的HO-DarkNet网络模型的加速效果。结果表明：并行化前HO-DarkNet模型的精确率约75%、召回率约96%、mAP@0.5为98.58%、mAP@0.5∶0.95为64.25%,与DarkNet53模型相比，并行化前HO-DarkNet模型的mAP@0.5、mAP@0.5∶0.95值分别提升了7.98%、8.79%;与并行处理前HO-DarkNet模型相比，并行处理后HO-DarkNet模型的mAP精度值未发生太大变化，但其加速比提高了2.32,对于视频图像的处理速度为21 fps/s,达到视频图像处理速度标准。
- 单位
