基于剪枝 YOLO 模型的海洋碎屑高效目标检测
计算机视觉与模式识别
2025-01-29 v1 人工智能
摘要
海洋碎屑因含有微塑料、多氯联苯和农药等物质，破坏栖息地并毒害生物，对海洋生命造成重大危害。潜水等人工解决方案在应对这一问题上日益低效。目前正开发自主水下航行器（AUV）以高效收集海洋垃圾，其中目标检测架构的选择至关重要。本研究采用 YOLOv4 模型，使用包含 7683 张 480x320 像素图像的 Trash-ICRA 19 数据集进行海洋碎屑的实时检测。通过比较多种改进方案——预训练模型、从头训练、马赛克增强、层冻结、YOLOv4-tiny 和通道剪枝——以提升架构效率。通道剪枝显著提升了检测速度，将基础 YOLOv4 的帧率从 15.19 FPS 提高至 19.4 FPS，同时平均精度均值仅下降 1.2%，从 97.6% 降至 96.4%。
引用
@article{arxiv.2501.16571,
title = {Efficient Object Detection of Marine Debris using Pruned YOLO Model},
author = {Abi Aryaza and Novanto Yudistira and Tibyani},
journal= {arXiv preprint arXiv:2501.16571},
year = {2025}
}