欢迎访问《现代矿业》杂志官方网站，今天是
分享到：
×
现代矿业 ›› 2024, Vol. 40 ›› Issue (08): 162-166.
王惠杰1 李忠飞1 张云峰1 李 明1 樊世君1 聂帅杰2
摘要： 为解决在矿井环境中目标检测算法模型体积大、计算复杂度高以及模型轻量化后精度 低的问题，提出了一种专为矿井环境设计的目标检测算法——YOLO-AM。该算法采用轻量化网络 MobileNetv2作为主干网络，并使用深度可分离卷积来替代颈部网络中的3×3卷积，显著降低模型的 计算量和参数量。这一设计使得算法更适应矿井中有限的计算资源和对实时性的需求。接着在主 干网络的输出位置引入坐标注意力机制，增强输出特征中的有效信息。同时提出了一种浅层特征增 强模块，在特征融合网络融合该模块用于增强浅层特征的语义信息，从而提高模型的检测精度。在 公共数据集PASCAL VOC上的试验结果表明，相比基准模型YOLOv4，YOLO-AM以降低7%检测精 度的代价，减小了83%的参数量和86%的计算量，同时也提高了检测速度。
皖公网安备34050402000109号 皖ICP备05002078号-6