基于并行特征传递深度学习网络的矿井行人检测模型研究

发布时间：2024-07-11 02:41

　　矿产资源在国民经济和社会发展中占有极其重要的地位,矿产资源急剧上升的需求,导致了一系列矿井安全问题。诸如无人开采机械、无人驾驶矿车等自动化生产手段有利于减少矿井事故的发生,而计算机视觉是支撑自动化生产的有效技术手段,其中矿井行人检测是计算机视觉的基本任务。传统基于特征提取的行人检测算法应用在矿井巷道复杂多变、照明恶劣的场景下存在诸多弊端,无法保证检测结果的准确性。幸运的是,人工智能的发展给矿井行人检测带来了黎明的曙光,深度神经网络与深度学习算法已经应用于工业现场各个领域,然而在矿井行人检测领域却少有研究。本文针对上述问题,提出了基于并行特征传递深度神经网络的矿井行人检测算法,在保证检测精度的前提下兼顾检测速度与鲁棒性。主要研究内容如下:(1)提出基于锚点框自动生成的非预训练井下行人检测网络Gas Net(Guided Anchors Network),实现提升目标检测网络的结构适应性,减少预训练工作量,降低迁移学习带来的“负迁移”风险。Gas Net主要由非预训练的骨干网络和并行处理的检测网络组成,检测网络包括锚点定位预测和锚点形状预测两个分支组成的锚点框生成模块和特征图适应模块。通过...

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图2.1YOLO检测流程图

合肥工业大学专业硕士研究生学位论文10多项式函数：(,)(1),0TqKxz=xz+q>（2.18）Sigmoid函数：(,)tanh()TKxz=βxz+γ（2.19）最终获得超平面公式一般为：01()(,)INiiiigxλyKxxω==∑+（2.20）其中，g(x)>0时，....

图2.2YOLO网络结构图

第二章传统与深度学习行人检测技术11图2.2YOLO网络结构图Fig2.2NetworkstructurediagramofYOLO2.2.2SSD神经网络SSD网络是在YOLO网络上面做的改进，作为一阶段检测的经典网络，是一种无区域建议网络，在速度上面可以得到保证，同时，SSD....

图2.3SSD网络结构图

第二章传统与深度学习行人检测技术11图2.2YOLO网络结构图Fig2.2NetworkstructurediagramofYOLO2.2.2SSD神经网络SSD网络是在YOLO网络上面做的改进，作为一阶段检测的经典网络，是一种无区域建议网络，在速度上面可以得到保证，同时，SSD....

图2.4SSD网络数据增强方法

合肥工业大学专业硕士研究生学位论文12图2.4SSD网络数据增强方法Fig2.4NetworkdataenhancementmethodsofSSDSSD网络除了以上的结构设计以外，还使用了两种数据增强的方式，分别是放大操作和缩小操作。放大操作中，每个遮罩的大小是原图大小0.1到....

本文编号：4005127