典型文献
基于GCA-YOLOv5s煤矸石检测技术研究
文献摘要：
针对目前基于图像处理的煤矸石检测方法精度低、实时性差、漏检等问题,文章提出了一种基于GCA-YOLOv5s的煤矸检测算法.引入Ghost轻量化模块代替卷积操作对网络模型进行压缩提升检测速度;采用卷积块注意力对特征图进行处理,使提取的特征更加精炼,提升模型的表现力;根据数据集中目标的大小分布特征,选择合适的Anchor尺度,提升煤矸的检测精度.实验数据表明:改进后的煤矸石检测算法在实时性方面优于默认的YOLOv5s检测算法,检测速度每秒提升了10.19帧,同时对小目标也有较好的检测效果.
文献关键词：
煤矸石;轻量化;目标检测;YOLOv5s
中图分类号：
作者姓名：
雷伟强;王浩盛
作者机构：
山西大同大学 煤炭工程学院,山西 大同 037003
文献出处：
引用格式：
[1]雷伟强;王浩盛-.基于GCA-YOLOv5s煤矸石检测技术研究)[J].煤,2022(08):16-20
A类：
B类：
GCA,YOLOv5s,煤矸石检测,漏检,检测算法,Ghost,轻量化模块,卷积操作,检测速度,卷积块注意力,特征图,精炼,表现力,Anchor,检测精度,默认,每秒,小目标,检测效果,目标检测
AB值：
0.31917
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。
