您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于图像识别的带式输送机输煤量和跑偏检测方法

  2. 传统的卷积神经网络(CNN)是单任务网络,为实现带式输送机输煤量和跑偏的同时检测,使用2个卷积神经网络分别对输煤量和跑偏进行检测,导致网络体积大、参数多、计算量大、运行时间长,严重影响检测性能。为降低网络结构的复杂性,提出了一种基于多任务卷积神经网络(MT-CNN)的带式输送机输煤量和跑偏检测方法,可使输煤量检测和跑偏检测这2个任务共享同一个网络底层结构和参数。在VGGNet模型的基础上,增大卷积核和池化核的尺度,减少全连接层通道数量,改变输出层结构,构建了MT-CNN;对采集的输送带图像进行灰
  3. 所属分类:其它

    • 发布日期:2020-05-21
    • 文件大小:1048576
    • 提供者:weixin_38558246