基于深度学习轻量化的改进SSD煤矸快速分选模型

TD94; 针对SSD目标检测模型参数量大、运行速率低的问题,在SSD模型的基础上提出一种新的煤矸快速识别模型DSR-SSD.应用深度可分离卷积代替主干特征提取网络中的普通卷积,减少了模型的计算量;将RFB模块融入到SSD模型中,提高了模型的特征提取能力.经验证,DSR-SSD模型的识别速率为113.99帧/s、精确率为95.17%.将DSR-SSD与SSD,Faster-RCNN,YOLOv3 三种模型对比,发现DSR-SSD模型与SSD模型相比,精确率提高了2.29%,识别速率提高了60.89%;同时,DSR-SSD模型的精确率比Faster-RCNN模型高 2.86%,比YOLOv3 模...

Full description

Saved in:
Bibliographic Details
Published in东北大学学报（自然科学版） Vol. 44; no. 10; pp. 1474 - 1480
Main Authors 李娟莉, 魏代良, 李博, 文小
Format Journal Article
LanguageChinese
Published 太原理工大学 煤矿综采装备山西省重点实验室,山西 太原 030024 01.10.2023
太原理工大学 机械与运载工程学院,山西 太原 030024
Subjects
deep learning
target detection
SSD model
coal gangue separation
深度学习
目标检测
SSD模型
轻量化
煤矸分选
light-weighting
Online AccessGet full text
ISSN1005-3026
DOI10.12068/j.issn.1005-3026.2023.10.014

Cover

More Information
Summary:TD94; 针对SSD目标检测模型参数量大、运行速率低的问题,在SSD模型的基础上提出一种新的煤矸快速识别模型DSR-SSD.应用深度可分离卷积代替主干特征提取网络中的普通卷积,减少了模型的计算量;将RFB模块融入到SSD模型中,提高了模型的特征提取能力.经验证,DSR-SSD模型的识别速率为113.99帧/s、精确率为95.17%.将DSR-SSD与SSD,Faster-RCNN,YOLOv3 三种模型对比,发现DSR-SSD模型与SSD模型相比,精确率提高了2.29%,识别速率提高了60.89%;同时,DSR-SSD模型的精确率比Faster-RCNN模型高 2.86%,比YOLOv3 模型高 2.71%,识别速率分别是Faster-RCNN模型和YOLOv3 模型的14.90 倍和3.65 倍,证明了DSR-SSD模型性能优越.
ISSN:1005-3026
DOI:10.12068/j.issn.1005-3026.2023.10.014