海滩水边线的提取是海洋科学和海岸工程领域的一项重要研究任务。为缓解传统方法在处理该任务时存在的噪声敏感、阈值不稳定、需手动调参等问题,本文对影像数据进行了极值预处理,并提出了基于可变形卷积的改进SOLOv2水边线提取算法。本文探讨了特征提取网络深度和可变形卷积(DCN)应用层数对算法精度与速度的影响。随着特征提取网络深度的增加,水边线提取算法的精度逐渐提高,但速度明显降低,实际特征提取网络深度以50为宜;随着DCN应用层数的增加,水边线提取算法的精度呈先增加后减小的趋势,实际应用层数以2为宜;相较于原始SOLOv2算法,改进SOLOv2算法在平均精度(average precision,AP)和平均交并比(intersection over union,IoU)上的性能分别提升了1.7%和0.1%。此外,通过将算法权重由单精度转换为半精度,进一步提升了算法的推理速度。
暂无评论