典型文献
嵌入空洞卷积和批归一化模块的智能煤矸识别算法
文献摘要:
为解决现有机器视觉煤、矸石识别算法感受野小、特征提取能力低和训练收敛速度慢的问题,提出一种嵌入空洞卷积和批归一化模块的智能煤矸识别算法.该算法利用空洞卷积替换VGGNet16网络中尺寸为3×3的卷积核,增大卷积核感受野、提高网络的特征提取能力,同时在卷积层和激活层之间嵌入批归一化模块,在避免梯度消失的同时可加快模型训练收敛速度.利用搭建的实验装置采集煤和矸石图片,制作煤和矸石图像数据集,对模型进行训练,并基于浮点运算次数FLOP s和F1分数对模型的训练结果和预测效果进行评价.实验结果表明,改进后的煤矸识别算法FLOP s为71632538次,测试集F1分数为0.9943,训练在第5个周期即收敛且准确率达到97%以上.通过与其他网络模型训练结果进行对比,说明所建模型具有较快的收敛速度且预测效果较好.
文献关键词:
机器视觉;煤矸识别;数据增强;空洞卷积;批归一化;模型优化
中图分类号:
作者姓名:
郭永存;张勇;李飞;杨鹏
作者机构:
安徽理工大学 深部煤矿采动响应与灾害防控国家重点实验室,安徽 淮南232001;安徽理工大学 电气与信息工程学院,安徽 淮南232001;安徽理工大学 机械工程学院,安徽 淮南232001
文献出处:
引用格式:
[1]郭永存;张勇;李飞;杨鹏-.嵌入空洞卷积和批归一化模块的智能煤矸识别算法)[J].矿业安全与环保,2022(03):45-50
A类:
B类:
空洞卷积,批归一化,煤矸识别,识别算法,机器视觉,感受野,特征提取能力,收敛速度,速度慢,法利,VGGNet16,卷积核,大卷,卷积层,梯度消失,模型训练,实验装置,煤和矸石,图像数据集,浮点运算,FLOP,测试集,数据增强,模型优化
AB值:
0.305012
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。