面向水利监管的违采事件检测并行化方法研究

打开文本图片集

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。（剩余5261字）