《表1 基于Co Co数据集的多层融合预训练模型及性能指标》

  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

《基于机器视觉的海上目标智能化预警观测过程模型与技术方法》

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

机器学习开源社区的快速发展推动了行业技术进步，显著降低了深度学习的工程应用的实现难度，在基于机器视觉的目标识别方面，目前较为普遍方法是以开源的预训练模型作为目标特征提取的初始化模型，在此基础上建立面向实际应用的图像数据库，对初始化模型进行进一步训练，该方法能够保障目标特征识别与提取的基本效果，并大幅度缩短了模型训练时间。在本研究用，采用了基于谷歌Coco数据集[7]的4个多层融合预训练模型[8-10]，如表1所示。同时，在机器学习框架方面选用了Tensorflow[11]开源机器学习平台的GPU运算版本。在硬件资源方面，考虑本地部署、实时视频推理需求，选用低功耗版NVIDIA Tesla P4加速卡作为标准计算资源。基于深度学习的海上目标实时识别方法依次包括图像目标数据库搭建、网络模型训练、模型识别精度检测、视频识别推理四个步骤。