典型文献
一种智慧矿山场景下的目标检测方法
文献摘要：
智慧矿山场景单一、目标种类少,对识别算法速度要求高.针对上述特点,文中在YOLOv3的基础上提出了一种Mine_YOLOv3网络.设计了一种Darknet-31特征提取网络,既可以提取矿卡等大目标的语义特征,又可以提取石头等小目标的细节特征,且网络计算量较少,有利于快速识别前方障碍物.此外,针对k-means聚类算法对初始点敏感的缺点,文中使用k-means++生成先验框坐标,提高了算法收敛的速度.实验证明,改进后的算法在矿山数据集上的FPS为50.7,mAP为68.32％,可快速准确地对智慧矿山中的目标进行识别.
文献关键词：
智慧矿山;YOLOv3;k-means聚类算法;锚点框;Darknet-31;MINE数据集
中图分类号：
作者姓名：
张保俊;袁广驰;李志祥;张帅乾;刁小宇
作者机构：
安徽海博智能科技有限责任公司,安徽 芜湖 241200
文献出处：
引用格式：
[1]张保俊;袁广驰;李志祥;张帅乾;刁小宇-.一种智慧矿山场景下的目标检测方法)[J].物联网技术,2022(10):21-23,27
A类：
MINE
B类：
智慧矿山,矿山场景,目标检测方法,识别算法,YOLOv3,Mine,Darknet,特征提取网络,矿卡,大目标,语义特征,取石,石头,头等,小目标,细节特征,计算量,快速识别,前方,障碍物,聚类算法,初始点,means++,先验框,FPS,mAP,快速准确,山中,锚点框
AB值：
0.473987
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
