期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于改进YOLOv5的煤矿井下目标检测研究 被引量:7
1
作者 寇发荣 肖伟 +1 位作者 何海洋 陈若晨 《电子与信息学报》 EI CSCD 北大核心 2023年第7期2642-2649,共8页
针对煤矿井下环境多利用红外相机感知周边环境温度成像,但形成的图像存在纹理信息少、噪声多、图像模糊等问题,该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进,首先使用PP-LC... 针对煤矿井下环境多利用红外相机感知周边环境温度成像,但形成的图像存在纹理信息少、噪声多、图像模糊等问题,该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进,首先使用PP-LCNet作为主干网络,用于加强CPU端的推理速度;其次取消Focus模块,使用shuffle_block模块替代C3模块,在去除冗余操作的同时减少了计算量;最后优化Anchor同时引入Hswish作为激活函数。实验结果表明,Ucm-YOLOv5比YOLOv5的模型参数量减少了41%,模型缩小了86%,该算法在煤矿井下具有更高的检测精度,同时在CPU端的检测速度达到实时检测标准,满足煤矿井下目标检测的工作要求。 展开更多
关键词 煤矿井下目标检测 深度学习 YOLOv5
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部