.png){kind=icon}
返回
A deep learning-based method for efficient floating garbage debris recognition on high-performance edge computing platform
.png){kind=icon}
OA
AI
DOI：10.1016/j.future.2025.108000.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 高性能嵌入式计算平台上的深度学习实时检测漂浮垃圾和海洋碎片。
• 面向边缘设备速度、精度与低功耗的多目标卷积神经网络优化。
• 船载AI：实时检测海洋垃圾的先进模型部署。
Keyword:
Deep learning
High-performance edge computing
Energy efficiency
Floating garbage debris recognition
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
F
IF:
0
论文数:
642
被引数:
0
机构
引用论文
Dense Semantic Labeling of Subdecimeter Resolution Images With Convolutional Neural Networks基于卷积神经网络的亚分米分辨率图像密集语义标注OAAI
OAAI分享收藏Spectral reflectance of marine macroplastics in the VNIR and SWIR measured in a controlled environment.png)
SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Designing a GPU-parallel algorithm for raw SAR data compression: A focus on parallel performance estimation设计用于原始SAR数据压缩的GPU并行算法: 关注并行性能估计
PREAI
分享收藏分享收藏AI-enhanced real-time monitoring of marine pollution: part 1-A state-of-the-art and scoping reviewAI增强的海洋污染实时监测：第一部分——技术现状与范围综述
OAAI
OAAI分享收藏
查看更多内容