轻量化煤矸目标检测方法研究

轻量化煤矸目标检测方法研究

TD67; 针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题,采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进,构建Ghost-SSD模型,进而提出一种轻量化煤矸目标检测方法.Ghost-SSD模型以SSD模型为基础框架,采用GhostNet轻量化特征提取网络代替主体网络层VGG16,以提高煤矸目标检测速度;针对浅层特征图中包含较多背景噪声及语义信息不足问题,引入自注意力模块对浅层特征图进行特征增强,提高对前景区域的关注度,并采用扩张卷积增大浅层特征图的感受野,丰富浅层特征图的语义信息;采用K-means算法对锚框进行聚类,优化锚框尺寸设置,进一步提高煤...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:工矿自动化 2021, Vol.47 (11), p.119-125
Hauptverfasser: 杜京义, 史志芒, 郝乐, 陈瑞
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 125
container_issue 11
container_start_page 119
container_title 工矿自动化
container_volume 47
creator 杜京义
史志芒
郝乐
陈瑞
description TD67; 针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题,采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进,构建Ghost-SSD模型,进而提出一种轻量化煤矸目标检测方法.Ghost-SSD模型以SSD模型为基础框架,采用GhostNet轻量化特征提取网络代替主体网络层VGG16,以提高煤矸目标检测速度;针对浅层特征图中包含较多背景噪声及语义信息不足问题,引入自注意力模块对浅层特征图进行特征增强,提高对前景区域的关注度,并采用扩张卷积增大浅层特征图的感受野,丰富浅层特征图的语义信息;采用K-means算法对锚框进行聚类,优化锚框尺寸设置,进一步提高煤矸目标检测精度.实验结果表明,基于Ghost-SSD模型进行煤矸目标检测时,平均精度均值较SSD模型提高3.6％,检测速度提高75桢/s,且检测精度与速度均优于Faster-RCNN,Yolov3模型,同时对煤矸小目标具有较好的检测效果.
doi_str_mv 10.13272/j.issn.1671-251x.2021040029
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_mkzdh202111018</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>mkzdh202111018</wanfj_id><sourcerecordid>mkzdh202111018</sourcerecordid><originalsourceid>FETCH-wanfang_journals_mkzdh2021110183</originalsourceid><addsrcrecordid>eNpjYFAxNNAzNDYyN9LP0sssLs7TMzQzN9Q1MjWs0DMyMDI0MDEwMLJkYeCECUdwMPAWF2cmGZgaGFkYmhqacjKov9i7-2V7_9Oeac9blzyfv-P57HXPFrQ_W9zwbGv3s2k7n22e-nzBlOcrt_EwsKYl5hSn8kJpbgY1N9cQZw_d8sS8tMS89Pis_NKiPKBMfG52VUoGyHpDQwNDC2OiFQIANZpIOA</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>轻量化煤矸目标检测方法研究</title><source>DOAJ Directory of Open Access Journals</source><creator>杜京义 ; 史志芒 ; 郝乐 ; 陈瑞</creator><creatorcontrib>杜京义 ; 史志芒 ; 郝乐 ; 陈瑞</creatorcontrib><description>TD67; 针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题,采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进,构建Ghost-SSD模型,进而提出一种轻量化煤矸目标检测方法.Ghost-SSD模型以SSD模型为基础框架,采用GhostNet轻量化特征提取网络代替主体网络层VGG16,以提高煤矸目标检测速度;针对浅层特征图中包含较多背景噪声及语义信息不足问题,引入自注意力模块对浅层特征图进行特征增强,提高对前景区域的关注度,并采用扩张卷积增大浅层特征图的感受野,丰富浅层特征图的语义信息;采用K-means算法对锚框进行聚类,优化锚框尺寸设置,进一步提高煤矸目标检测精度.实验结果表明,基于Ghost-SSD模型进行煤矸目标检测时,平均精度均值较SSD模型提高3.6％,检测速度提高75桢/s,且检测精度与速度均优于Faster-RCNN,Yolov3模型,同时对煤矸小目标具有较好的检测效果.</description><identifier>ISSN: 1671-251X</identifier><identifier>DOI: 10.13272/j.issn.1671-251x.2021040029</identifier><language>chi</language><publisher>西安科技大学电气与控制工程学院,陕西西安 710054%西安科技大学安全科学与工程学院,陕西西安 710054</publisher><ispartof>工矿自动化, 2021, Vol.47 (11), p.119-125</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/mkzdh/mkzdh.jpg</thumbnail><link.rule.ids>314,776,780,860,4009,27902,27903,27904</link.rule.ids></links><search><creatorcontrib>杜京义</creatorcontrib><creatorcontrib>史志芒</creatorcontrib><creatorcontrib>郝乐</creatorcontrib><creatorcontrib>陈瑞</creatorcontrib><title>轻量化煤矸目标检测方法研究</title><title>工矿自动化</title><description>TD67; 针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题,采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进,构建Ghost-SSD模型,进而提出一种轻量化煤矸目标检测方法.Ghost-SSD模型以SSD模型为基础框架,采用GhostNet轻量化特征提取网络代替主体网络层VGG16,以提高煤矸目标检测速度;针对浅层特征图中包含较多背景噪声及语义信息不足问题,引入自注意力模块对浅层特征图进行特征增强,提高对前景区域的关注度,并采用扩张卷积增大浅层特征图的感受野,丰富浅层特征图的语义信息;采用K-means算法对锚框进行聚类,优化锚框尺寸设置,进一步提高煤矸目标检测精度.实验结果表明,基于Ghost-SSD模型进行煤矸目标检测时,平均精度均值较SSD模型提高3.6％,检测速度提高75桢/s,且检测精度与速度均优于Faster-RCNN,Yolov3模型,同时对煤矸小目标具有较好的检测效果.</description><issn>1671-251X</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAzNDYyN9LP0sssLs7TMzQzN9Q1MjWs0DMyMDI0MDEwMLJkYeCECUdwMPAWF2cmGZgaGFkYmhqacjKov9i7-2V7_9Oeac9blzyfv-P57HXPFrQ_W9zwbGv3s2k7n22e-nzBlOcrt_EwsKYl5hSn8kJpbgY1N9cQZw_d8sS8tMS89Pis_NKiPKBMfG52VUoGyHpDQwNDC2OiFQIANZpIOA</recordid><startdate>2021</startdate><enddate>2021</enddate><creator>杜京义</creator><creator>史志芒</creator><creator>郝乐</creator><creator>陈瑞</creator><general>西安科技大学电气与控制工程学院,陕西西安 710054%西安科技大学安全科学与工程学院,陕西西安 710054</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2021</creationdate><title>轻量化煤矸目标检测方法研究</title><author>杜京义 ; 史志芒 ; 郝乐 ; 陈瑞</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_mkzdh2021110183</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2021</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>杜京义</creatorcontrib><creatorcontrib>史志芒</creatorcontrib><creatorcontrib>郝乐</creatorcontrib><creatorcontrib>陈瑞</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>工矿自动化</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>杜京义</au><au>史志芒</au><au>郝乐</au><au>陈瑞</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>轻量化煤矸目标检测方法研究</atitle><jtitle>工矿自动化</jtitle><date>2021</date><risdate>2021</risdate><volume>47</volume><issue>11</issue><spage>119</spage><epage>125</epage><pages>119-125</pages><issn>1671-251X</issn><abstract>TD67; 针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题,采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进,构建Ghost-SSD模型,进而提出一种轻量化煤矸目标检测方法.Ghost-SSD模型以SSD模型为基础框架,采用GhostNet轻量化特征提取网络代替主体网络层VGG16,以提高煤矸目标检测速度;针对浅层特征图中包含较多背景噪声及语义信息不足问题,引入自注意力模块对浅层特征图进行特征增强,提高对前景区域的关注度,并采用扩张卷积增大浅层特征图的感受野,丰富浅层特征图的语义信息;采用K-means算法对锚框进行聚类,优化锚框尺寸设置,进一步提高煤矸目标检测精度.实验结果表明,基于Ghost-SSD模型进行煤矸目标检测时,平均精度均值较SSD模型提高3.6％,检测速度提高75桢/s,且检测精度与速度均优于Faster-RCNN,Yolov3模型,同时对煤矸小目标具有较好的检测效果.</abstract><pub>西安科技大学电气与控制工程学院,陕西西安 710054%西安科技大学安全科学与工程学院,陕西西安 710054</pub><doi>10.13272/j.issn.1671-251x.2021040029</doi></addata></record>
fulltext fulltext
identifier ISSN: 1671-251X
ispartof 工矿自动化, 2021, Vol.47 (11), p.119-125
issn 1671-251X
language chi
recordid cdi_wanfang_journals_mkzdh202111018
source DOAJ Directory of Open Access Journals
title 轻量化煤矸目标检测方法研究
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-25T06%3A45%3A12IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E8%BD%BB%E9%87%8F%E5%8C%96%E7%85%A4%E7%9F%B8%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B%E6%96%B9%E6%B3%95%E7%A0%94%E7%A9%B6&rft.jtitle=%E5%B7%A5%E7%9F%BF%E8%87%AA%E5%8A%A8%E5%8C%96&rft.au=%E6%9D%9C%E4%BA%AC%E4%B9%89&rft.date=2021&rft.volume=47&rft.issue=11&rft.spage=119&rft.epage=125&rft.pages=119-125&rft.issn=1671-251X&rft_id=info:doi/10.13272/j.issn.1671-251x.2021040029&rft_dat=%3Cwanfang_jour%3Emkzdh202111018%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=mkzdh202111018&rfr_iscdi=true