基于改进YOLOX的城市河道智能水位测量算法

针对目前基于深度学习水位测量算法存在特征信息提取不充分问题,提出一种基于改进YOLOX的城市河道水位智能测量算法。为了提高YOLOX对多类别密集目标的识别率,在特征融合网络中引入CBAM注意力机制,并采用基于计算目标框信息的损失函数D-IoU加快模型收敛。该算法利用改进后的YOLOX对水尺刻度进行识别与统计,并计算出水位值。试验表明提出的新算法对水尺刻度和数字的平均识别率分别达98.62%和92.23%,最终计算水位的平均误差为1.16 cm,较其他图像识别水位测量算法的平均误差减少了1.76 cm,可实现高精度智能测量城市河道的水位值。

基于两阶段深度学习的水位智能识别方法

针对目前水位检测存在误差大、缺乏水域环境普适性等问题,提出了一种基于两阶段深度学习的水位智能识别方法。该方法通过引入自适应空间特征融合(Adaptively Spatial Feature Fusion,ASFF)模块改进现有YOLOX-S算法的特征融合网络,提高特征信息融合强度,采用更加灵活的多项式损失(Poly Loss)对二元交叉熵损失(BCE Loss)进行优化,形成改进YOLOX-S模型。结合图像处理技术,建立了基于改进YOLOX-S模型的标准双色水尺和水尺“E”刻度识别的两阶段智能水位识别方法,有效提升了水位检测精度。实验结果表明,该方法第一阶段水尺和第二阶段水尺“E”刻度的平均识别率分别达98.94%和99.86%,最终计算水位的平均误差小于0.6 cm、极差误差小于0.8 cm,较传统典型水位识别方法分别减少1.98 cm和3.22 cm,实现了水位高精度智能识别,可为防汛抗旱决策提供有效的技术支撑。

《1988》=988?

同桌很瘦小，爱看书，也爱书。用我的话说：“小A是个人才，就是太主流了点儿。”还好，人总有开窍的时候，小A终于决定向前迈一小步，读点儿韩寒的书。

作文小精灵

李彦无聊地在街上走着，今天的太阳热得真让人受不了，就像爸爸那火辣辣的巴掌。一想到爸爸的巴掌，李彦便用手在胸前划着“十”字，然后双手合十，嘴里不住地念着：“阿弥陀佛，菩萨保佑，保佑我今天平安无事。”分不清佛教和天主教的他，边走边念。