《表1 实验数据设置：不平衡数据集下的水下目标快速识别方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《不平衡数据集下的水下目标快速识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文实验基于Intel?Xeon?Silver 4114CPU和NVIDA Quadro GP100硬件条件，生成对抗网络使用Tensorflow架构，目标识别模型使用Darknet53框架。分别利用图像调整方法和样本生成方法扩充原始图像样本集后进行目标识别模型的训练和测试。本文原始数据样本为2018水下机器人目标抓取大赛官方提供的3 151张水下图像，所有图像均在真实海洋环境下拍摄，图像质量呈现不同类型、不同程度的下降；图像包含海参、海胆、贝壳和海星四类目标，所有目标在图像中非均匀分布，部分目标出现遮挡和覆盖。考虑原始样本中海参、海胆和海星目标数目多，而贝壳目标数量少的特点，将原始样本训练集和验证集图像中的1 015个贝壳目标截取出来，作为生成对抗网络的输入，训练后生成1 402张异构的贝壳图像，通过与不同背景融合生成1 000张有效样本图像。实验的数据设置如表1所示，实验1中随机对原始样本进行旋转、饱和度和对比度调整，旋转角度为180°，饱和度的调整比率为0.75，对比度的调整比率为1.5。