Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
New Tuning Formulas: Genetic Algorithm Used in Air Conditioning Process with PID Controller Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Marine Organisms Tracking and Recognizing Using YOLO

verfasst von : Tomoki Uemura, Huimin Lu, Hyoungseop Kim

Erschienen in: 2nd EAI International Conference on Robotic Sensor Networks

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A system that investigates deep sea automatically has never developed. A purpose of this study is developing such a system. We employed a technique of recognition and tracking of multi-objects, called “You Only Look Once: YOLO.” This method provides us very fast and accurate tracker. In our system, we remove the haze, which is caused by turbidity of water, from image. After its process, we apply “YOLO” to tracking and recognizing the marine organisms, which includes shrimp, squid, crab, and shark. Our developed system shows generally satisfactory performance.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Estimation of Impervious Surface Distribution by Linear Spectral Mixture Analysis: A Case Study in Nantong, China
Nächstes Kapitel Group Recommendation Robotics Based on External Social-Trust Networks
Literatur
1.
Redmon, J., Divvala, S. K., Girshick, R. B., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. In 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (pp. 779–788).
2.
Redmon, J., & Farhadi, A. (2017). YOLO9000: Better, faster, stronger. In 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (pp. 6517–6525).
3.
Li, Y., Lu, H., Li, J., Li, X., Li, Y., & Serikawa, S. (2016). Underwater image de-scattering and classification by deep neural network. Computers and Electrical Engineering, 54, 68–77.CrossRef
4.
Lu, H., Li, Y., Uemura, T., Ge, Z., Xu, X., He, L., Serikawa, S., & Kim, H. (2017). FDCNet: Filtering deep convolutional network for marine organism classification. Multimedia Tools and Applications, 77, 21847–21860.CrossRef
5.
Lu, H., Li, Y., Mu, S., Wang, D., Kim, H., & Serikawa, S. (2017). Motor anomaly detection for unmanned aerial vehicles using reinforcement learning. IEEE Internet of Things, 5(4), 2315–2322.CrossRef
6.
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: Go beyond artificial intelligence. Mobile Networks and Application, 23(2), 368–375.CrossRef
7.
Lu, H., Li, Y., Nakashima, S., & Serikawa, S. (2016). Turbidity underwater image restoration using spectral properties and light compensation. IEICE Transactions on Information and Systems, E-99D(1), 219–226.CrossRef
8.
Lu, H., Li, Y., Zhang, L., & Serikawa, S. (2015). Contrast enhancement for images in turbid water. Journal of Optical Society of America A, 32(5), 886–893.CrossRef
9.
Serikawa, S., & Lu, H. (2014). Underwater image dehazing using joint trilateral filter. Computers and Electrical Engineering, 40(1), 41–50.CrossRef
10.
11.
Metadaten
Titel
Marine Organisms Tracking and Recognizing Using YOLO
verfasst von
Tomoki Uemura
Huimin Lu
Hyoungseop Kim
Copyright-Jahr
2020
Buch
2nd EAI International Conference on Robotic Sensor Networks

Print ISBN: 978-3-030-17762-1

Electronic ISBN: 978-3-030-17763-8

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-17763-8_6

Neuer Inhalt

    Bildnachweise