Catalogus

Zoeken

Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.

Boekenmand

Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).

RSS

Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.

log in

Publicaties | Kaarten

nieuwe zoekopdracht

[ meld een fout in dit record ]

mandje (0): toevoegen | toon

---

Pruning-based YOLOv4 algorithm for underwater gabage detection Tian, M.; Li, X.; Kong, S.; wu, L.; Yu, J. (2021). Pruning-based YOLOv4 algorithm for underwater gabage detection, in: 2021 40th Chinese Control Conference (CCC), July 26-28, 2021, Shanghai, China. pp. 4008-4013. https://dx.doi.org/10.23919/ccc52363.2021.9550592 In: (2021). 2021 40th Chinese Control Conference (CCC), July 26-28, 2021, Shanghai, China. IEEE: [s.l.]. ISBN 9881563801. https://dx.doi.org/10.23919/CCC52363.2021

---

Beschikbaar in	Auteurs
VLIZ: Non-open access 371126 [ aanvragen ]
Documenttype: Congresbijdrage

---

Author keywords

Object detection, aquatic environment, garbage cleaning robot, modified YOLOv4

---

Auteurs		Top
Tian, M. Li, X. Kong, S.	wu, L. Yu, J.

---

Abstract

To tackle the problem of aquatic environment pollution, a vision-based autonomous underwater garbage cleaning robot has been developed in our laboratory. This paper proposes a garbage detection method based on a modified YOLOv4, allowing high-speed and high-precision object detection. More specifically, the YOLOv4 algorithm is chosen as a basic neural network framework to perform object detection. With the purpose of further improvement on the detection speed, the channel pruning and layer pruning are implemented on the trained YOLOv4 model, while the fine-tuned mechanism assists the pruned model to restore accuracy. In virtue of the improved detection methods, the robot has the ability to collect garbage autonomously. The experimental results indicate that the pruned YOLOv4 detection method can still maintain the high performance even though the parameter amount is 7.062% of the original model.

---

Alle informatie in het Integrated Marine Information System (IMIS) valt onder het VLIZ Privacy beleid

Top | Auteurs