期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习和模型压缩技术的轻量级煤矿人车检测模型——以贵州地区煤矿为例
1
作者
解北京
李恒
+3 位作者
栾铮
雷振
李晓旭
李卓
《煤炭学报》
北大核心
2025年第2期1393-1408,共16页
煤矿工人和载人车辆(煤矿人车)的智能识别是视频监控系统的重要组成部分,也是煤矿智能化发展的关键任务。然而,煤矿人车检测场景较为复杂,大型人车检测模型部署在有限的计算设备上难以实现,如何在模型检测性能和检测效率之间取得平衡存...
煤矿工人和载人车辆(煤矿人车)的智能识别是视频监控系统的重要组成部分,也是煤矿智能化发展的关键任务。然而,煤矿人车检测场景较为复杂,大型人车检测模型部署在有限的计算设备上难以实现,如何在模型检测性能和检测效率之间取得平衡存在诸多挑战。以贵州地区煤矿视频监控数据集为例,提出了一种基于深度学习和模型压缩技术的轻量级煤矿人车检测模型,该模型精准实时的完成了煤矿人车检测任务,对网络进行瘦身的同时几乎没有损失检测性能。具体来说,在网络模型设计阶段,以YOLOv8s为基线提出了一种名为FCW-YOLO的煤矿人车轻量级检测模型,首先将Faster-Block和坐标注意力和开发到网络的特征提取模块中,设计了一种新颖的C2f-Faster-CA轻量级架构,旨在减少网络的冗余通道同时自适应捕捉全局关键信息;其次,采用了WIOU边界回归损失函数以增加模型对普通质量样本的关注,降低了训练样本不平衡带来的回归误差等问题。在模型压缩阶段,联动剪枝算法对提出的FCW-YOLO模型进行通道级别的稀疏,模型可自动识别不重要的通道并对其进行删减,实现了煤矿人车检测模型二次轻量化设计FCWP-YOLO。在自建的煤矿人车检测数据集上的结果表明,提出的模型参数量,计算量和模型大小分别为2.3 M,4.0 GFLOPs,6.0 MB,对比基线模型分别实现了4.9倍、4.7倍、4.4倍的压缩效果,平均检测精度为88.7%,提高了1.1%,每张图像的处理时间仅为5.6 ms。对比多种轻量级架构和先进的检测模型,该方法精度表现优异,计算成本更低,实时性能更好,为资源受限的煤矿场景提供了一种可行的煤矿人车检测方法,满足煤矿视频监控部署要求,可为煤矿人车智能巡检任务提供实时预警。
展开更多
关键词
煤矿
工人
检测
煤矿载人车辆检测
深度学习
模型压缩
轻量级架构
在线阅读
下载PDF
职称材料
题名
基于深度学习和模型压缩技术的轻量级煤矿人车检测模型——以贵州地区煤矿为例
1
作者
解北京
李恒
栾铮
雷振
李晓旭
李卓
机构
中国矿业大学(北京)应急管理与安全工程学院
贵州理工学院矿业工程学院
北京工业大学城市建设学部
出处
《煤炭学报》
北大核心
2025年第2期1393-1408,共16页
基金
国家重点研发计划资助项目(2022YFC2904100,2023YFC3011300)
中央高校基本科研业务费专项资金资助项目(2023ZKPYAQ04)。
文摘
煤矿工人和载人车辆(煤矿人车)的智能识别是视频监控系统的重要组成部分,也是煤矿智能化发展的关键任务。然而,煤矿人车检测场景较为复杂,大型人车检测模型部署在有限的计算设备上难以实现,如何在模型检测性能和检测效率之间取得平衡存在诸多挑战。以贵州地区煤矿视频监控数据集为例,提出了一种基于深度学习和模型压缩技术的轻量级煤矿人车检测模型,该模型精准实时的完成了煤矿人车检测任务,对网络进行瘦身的同时几乎没有损失检测性能。具体来说,在网络模型设计阶段,以YOLOv8s为基线提出了一种名为FCW-YOLO的煤矿人车轻量级检测模型,首先将Faster-Block和坐标注意力和开发到网络的特征提取模块中,设计了一种新颖的C2f-Faster-CA轻量级架构,旨在减少网络的冗余通道同时自适应捕捉全局关键信息;其次,采用了WIOU边界回归损失函数以增加模型对普通质量样本的关注,降低了训练样本不平衡带来的回归误差等问题。在模型压缩阶段,联动剪枝算法对提出的FCW-YOLO模型进行通道级别的稀疏,模型可自动识别不重要的通道并对其进行删减,实现了煤矿人车检测模型二次轻量化设计FCWP-YOLO。在自建的煤矿人车检测数据集上的结果表明,提出的模型参数量,计算量和模型大小分别为2.3 M,4.0 GFLOPs,6.0 MB,对比基线模型分别实现了4.9倍、4.7倍、4.4倍的压缩效果,平均检测精度为88.7%,提高了1.1%,每张图像的处理时间仅为5.6 ms。对比多种轻量级架构和先进的检测模型,该方法精度表现优异,计算成本更低,实时性能更好,为资源受限的煤矿场景提供了一种可行的煤矿人车检测方法,满足煤矿视频监控部署要求,可为煤矿人车智能巡检任务提供实时预警。
关键词
煤矿
工人
检测
煤矿载人车辆检测
深度学习
模型压缩
轻量级架构
Keywords
coal miners detection
coal manned vehicles detection
deep learning
model compression
lightweight architecture
分类号
TD82 [矿业工程—煤矿开采]
TP18 [自动化与计算机技术—控制理论与控制工程]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习和模型压缩技术的轻量级煤矿人车检测模型——以贵州地区煤矿为例
解北京
李恒
栾铮
雷振
李晓旭
李卓
《煤炭学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
