基于图像增强与改进YOLOv3的水下生物检测算法
Journal of Jilin University(Engineering and Technology Edition)（2022）
摘要
为准确检测水下生物,本文采用优化的MSRCR算法对水下图像进行增强,并基于DenseNet思想提出一种改进的YOLOv3目标检测算法Den-YOLOv3.针对水下生物图像中存在的图像模糊、色偏严重的问题,将ACE算法作用于MSRCR算法增强后的图像,以优化图像颜色及亮度.同时,将YOLOv3特征提取网络中的残差模块替换成密集块,得到Den-YOLOv3模型,该模型有效加强了特征传播,提高了检测精度.实验结果表明:优化后的ACE_MSRCR算法能有效增强水下图像,进而提高检测精度.Den-YOLOv3对四类水下生物的检测精度均高于其他模型,在检测速度上达到25 ms/帧,可以满足对水下生物实时检测的要求.
更多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