-
公开(公告)号：CN110569843B
公开(公告)日：2022-02-08
申请号：CN201910847253.5
申请日：2019-09-09
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种矿井目标智能检测与识别方法，包括以下实施步骤：第一步，制作矿井数据集，通过视频图像采集设备捕获矿井图像制成训练集和测试集；第二步，建立矿井网络模型，矿井网络模型包括公共特征提取网络、矿井目标检测网络和矿井文本识别网络；第三步，网络训练，采用端到端的训练方法训练矿井网络模型；第四步，网络优化，利用批量随机梯度下降法优化所述矿井网络模型的参数；第五步，目标检测与识别，利用训练好的矿井网络模型对测试集进行检测，输出人员、设备和文本识别结果。本发明采用具有残差结构的卷积网络模型，加快了网络训练速度，降低了网络训练的复杂度，能快速、有效地对矿井目标进行智能检测与准确识别。
-
公开(公告)号：CN110569843A
公开(公告)日：2019-12-13
申请号：CN201910847253.5
申请日：2019-09-09
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种矿井目标智能检测与识别方法，包括以下实施步骤：第一步，制作矿井数据集，通过视频图像采集设备捕获矿井图像制成训练集和测试集；第二步，建立矿井网络模型，矿井网络模型包括公共特征提取网络、矿井目标检测网络和矿井文本识别网络；第三步，网络训练，采用端到端的训练方法训练矿井网络模型；第四步，网络优化，利用批量随机梯度下降法优化所述矿井网络模型的参数；第五步，目标检测与识别，利用训练好的矿井网络模型对测试集进行检测，输出人员、设备和文本识别结果。本发明采用具有残差结构的卷积网络模型，加快了网络训练速度，降低了网络训练的复杂度，能快速、有效地对矿井目标进行智能检测与准确识别。
-
Search Results
2
records
(took 0.024 seconds)
