基于ResNet网络层数的露天矿道路识别效果研究

作者

田培忠
单位

国能准能集团哈尔乌素露天煤矿
摘要

为实现深度学习图像处理技术快速获取露天矿山路网信息，搭建了Deeplabv3+与PSPNet 2种典型网络模型框架，选取不同层数的ResNet为骨干网络构建起露天矿道路信息提取模型，通过框架模型横向对比和同框架下不同层数的ResNet纵向对比，研究了模型识别精度和速度与ResNet层数间的最优分配问题。结果表明：综合考虑模型训练时长与识别效果的前提下，Deeplabv3+网络框架对于图像边缘区域的识别存在道路信息丢失、无法识别或误差较大的问题，不宜应用于露天矿山道路信息的图像处理；PSPNet网络框架能够准确识别复杂矿区环境中的多类不同特征的道路，且骨干网络ResNet的层数保持在50层即可满足识别精度的同时保证识别速度与效率。
关键词

露天煤矿 PSPNet Deeplabv3+骨干网络层数道路识别
文章目录

1 实验原理
1.1 网络框架模型
1.1.1 Deeplabv3+网络
1.1.2 PSPNet网络
1.2 注意力机制的添加
1.3 骨干网络选取
2 实验与分析
2.1 数据集与环境配置
2.2 评价指标
2.3 实验结果获取和分析
3 结语
引用格式

[1]田培忠.基于ResNet网络层数的露天矿道路识别效果研究[J].露天采矿技术,2024,39(05):59-64.
相关文章

[1]哈尔乌素露天煤矿中间搭桥施工流程规划研究
[2]露天矿山沙石骨料制备地聚合物路面硬化材料力学性质研究

煤问提

煤传媒

煤视界

科技创新50强

会员中心