基于KRB-YOLOv5s的煤矸识别方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：为解决煤矿高粉尘、低照度、高噪声与堆叠等复杂环境因素导致的煤矸识别精度低、漏检与误检问题，提出一种基于KRB-YOLOv5s算法的煤矸识别方法。采用K均值聚类（K-means++）算法对数据集进行重新聚类，以得到更精准的锚框参数；在YOLOv5s主干网络中引入大核卷积结构重参数（RepLKNet）网络，通过大核卷积架构提取目标更高层级的特征信息；在YOLOv5s颈部引入加权双向特征金字塔（BiFPN）网络，通过双向跨尺度连接对目标多尺度特征进行快速捕捉与融合。（剩余12862字）

试读结束

目录
monitor