改进YOLOv3网络在图像中评价空气质量

被引：5

作者：

邓益侬 ^{[1
]}

罗健欣 ^{[1
]}

张琦 ^{[2
]}

刘祯 ^{[1
]}

胡琪 ^{[1
]}

金凤林 ^{[1
]}

毕鹏程 ^{[1
]}

机构：

[1] 不详

[2] 陆军工程大学指挥控制工程学院

[3] 不详

[4] 南京小吉狗网络科技有限公司

[5] 不详

来源：

计算机工程与应用 | 2020年 / 20期

关键词：

空气质量; PM2.5; 图像检测; 多锚点; 卷积投票;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算]; X823 [大气评价];

学科分类号：

080203 ; 0706 ; 070602 ;

摘要：

空气质量指数和PM2.5浓度是衡量大气污染程度的两种重要指标。在图像检测算法的框架下,提出了一种基于YOLOv3网络模型的空气质量评价方法。该模型对YOLOv3网络进行了改进,包含多锚点检测机制和卷积投票网两个模块,适用于非固定场景下的空气质量指数评估,以及固定场景下的PM2.5浓度预测。该方法的准确率在2018年全球人工智能应用大赛中得到了总分第3名的成绩,同时基于darknet框架的YOLOv3模型可以达到实时的需求,对空气质量评价的相关研究具有重要的借鉴意义。

引用

页码：232 / 242

页数：11

共 10 条

[1] Attention-YOLO:引入注意力机制的YOLO检测算法
徐诚极
王晓峰
杨亚东
[J]. 计算机工程与应用 , 2019, (06) : 13 - 23+125
[2] 多尺度卷积特征融合的SSD目标检测算法
陈幻杰
王琦琦
杨国威
韩佳林
尹成娟
陈隽
王以忠
[J]. 计算机科学与探索, 2019, 13 (06) : 1049 - 1061
[3] 基于改进YOLOv3的快速车辆检测方法
张富凯
杨峰
李策
[J]. 计算机工程与应用 , 2019, (02) : 12 - 20
[4] 动态加热系统对β射线法监测PM10和PM2.5的影响
叶智
黄宏
刘俐
肖勇
[J]. 四川环境, 2015, 34 (06) : 52 - 56
[5] DeepAirNet: Applying Recurrent Networks for Air Quality Prediction[J] . Athira V,Geetha P,Vinayakumar R,Soman K P.Procedia Computer Science . 2018
[6] The Pascal Visual Object Classes Challenge: A Retrospective[J] . Mark Everingham,S. M. Ali Eslami,Luc Gool,Christopher K. I. Williams,John Winn,Andrew Zisserman.International Journal of Computer Vision . 2015 (1)
[7] Long short-term memory
Hochreiter, S
Schmidhuber, J
[J]. NEURAL COMPUTATION, 1997, 9 (08) : 1735 - 1780
[8] Backpropagation Applied to Handwritten Zip Code Recognition
LeCun, Y.
Boser, B.
Denker, J. S.
Henderson, D.
Howard, R. E.
Hubbard, W.
Jackel, L. D.
[J]. NEURAL COMPUTATION, 1989, 1 (04) : 541 - 551
[9] PM2.5 concentration estimation based on image quality assessment .2 Yang B,Chen Q. 2017 4th IAPR Asian Conference on Pattern Recognition (ACPR) . 2017
[10] Air quality measurement based on double-channel convolutional neural network ensemble learning .2 Wang Z,Zheng W,Song C. . 2019

← 1 →