基于语义分割的防侵入系统
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

中国制造2025四川行动计划(2018ZZ011);川大-宜宾校地合作项目(2019CDYB-13)


Anti-intrusion System Based on Semantic Segmentation
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    对现有门式起重机的防侵入系统进行了详细分析后,针对其工作环境复杂、智能化水平较低的特点,建立了基于机器视觉和深度学习技术的防侵入监测模型.针对各目标检测算法和语义分割算法的优缺点,采用了语义分割算法作为防侵入模型,ICNet作为主要的语义分割网络.对比其他网络,ICNet网络具有99.37%的训练精度和1.81%的训练损失,都展现出了最优的精度.整体证明了基于语义分割的防侵入系统的智能性、可行性.

    Abstract:

    After a detailed analysis of the existing anti-intrusion system of gantry cranes, an anti-intrusion monitoring model based on machine vision and deep learning is built in view of the complex working environments and low intelligence levels of the system. In consideration of the advantages and disadvantages of each target detection algorithm and semantic segmentation algorithm, the semantic segmentation algorithm is adopted as the anti-intrusion model, and the ICNet is used as the main semantic segmentation network. Compared with other networks, ICNet displays the best accuracy, with a training accuracy of 99.37% and a training loss of 1.81%. The results prove the intelligence and feasibility of the anti-intrusion system based on semantic segmentation.

    参考文献
    相似文献
    引证文献
引用本文

罗耀俊,向海,胡晓兵,牛洪超,魏上云.基于语义分割的防侵入系统.计算机系统应用,2022,31(1):65-72

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-04-03
  • 最后修改日期:2021-04-30
  • 录用日期:
  • 在线发布日期: 2021-12-17
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号