排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
针对基于深度学习的煤矸目标检测方法速度慢、参数量多、计算量大等问题,文章提出了一种基于CSR-YOLOv5s的煤矸目标检测算法。首先使用轻量化网络ShuffleNetv2作为主干网络,提升目标检测速度;其次将Neck区域的20×20特征图分支删除,降低了模型复杂度;最后SIOU损失函数替换CIOU损失函数,引入CBAM注意力机制使模型更加关注重要特征提高检测性能。实验结果表明:改进后的煤矸检测算法模型大小压缩了92.3%,参数量减少了94.3%,计算量降低了90.5%,帧数提高了34.2帧,可为煤矸的智能分选提供借鉴。 相似文献
2.
1