期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于YOLO v3的煤岩钻孔图像裂隙智能识别方法
被引量:
12
1
作者
苏钰桐
杨炜毅
李俊霖
《煤矿安全》
CAS
北大核心
2021年第4期156-161,共6页
提出一种基于YOLO v3的深度卷积神经网络检测识别数字钻孔图像裂隙自动识别方法。首先详细阐述了新版本YOLO v3目标检测原理,然后选取煤矿井下钻孔图像在VOC 2007上制作数据集,采用Darknet-53的网络结构进行训练。试验结果表明基于的YOL...
提出一种基于YOLO v3的深度卷积神经网络检测识别数字钻孔图像裂隙自动识别方法。首先详细阐述了新版本YOLO v3目标检测原理,然后选取煤矿井下钻孔图像在VOC 2007上制作数据集,采用Darknet-53的网络结构进行训练。试验结果表明基于的YOLO v3的钻孔图像裂隙检测方法可以快速准确识别,为围岩裂隙机器的视觉识别提供了新技术支持。
展开更多
关键词
钻孔图像
裂隙识别
YOLO
v3
深度学习
残差网络
下载PDF
职称材料
题名
基于YOLO v3的煤岩钻孔图像裂隙智能识别方法
被引量:
12
1
作者
苏钰桐
杨炜毅
李俊霖
机构
中国矿业大学信息与控制工程学院
出处
《煤矿安全》
CAS
北大核心
2021年第4期156-161,共6页
基金
江苏省高等学校大学生创新创业训练计划基金资助项目。
文摘
提出一种基于YOLO v3的深度卷积神经网络检测识别数字钻孔图像裂隙自动识别方法。首先详细阐述了新版本YOLO v3目标检测原理,然后选取煤矿井下钻孔图像在VOC 2007上制作数据集,采用Darknet-53的网络结构进行训练。试验结果表明基于的YOLO v3的钻孔图像裂隙检测方法可以快速准确识别,为围岩裂隙机器的视觉识别提供了新技术支持。
关键词
钻孔图像
裂隙识别
YOLO
v3
深度学习
残差网络
Keywords
borehole image
fracture recognition
YOLO v3
deep learning
residual network
分类号
TD679 [矿业工程—矿山机电]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于YOLO v3的煤岩钻孔图像裂隙智能识别方法
苏钰桐
杨炜毅
李俊霖
《煤矿安全》
CAS
北大核心
2021
12
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部