一种基于改进YOLOv3算法的河道漂浮物检测方法

摘要

本发明公开了一种基于改进YOLOv3算法的河道漂浮物检测方法，对拍摄图像进行直方图均衡化预处理得到数据集，构建YOLOv3模型主干网络，改进模型的K‑means聚类算法，在网络的预测支路中添加类别激活映射CAM，引入FocalLoss作为模型的类别损失函数，训练该网络模型，用训练好的模型对测试数据集进行检测。本发明改进方法尤其针对存在水波扰动和强光反射等诸多噪声问题的复杂城市河道，提高了河道漂浮物的检测识别准确率，降低了定位误差，解决了城市河道中样本类别不均衡所带来的难题；保证实时性的同时精简了算法模型体积，使其能够在算力以及内存有限的客户端设备中实现精确和快速的河道漂浮物的监测与识别。