• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    露天煤礦采場(chǎng)無(wú)人機(jī)遙感圖像小目標(biāo)檢測(cè)

    2023-12-05 05:43:50劉洺睿董洪波朱若籬
    煤田地質(zhì)與勘探 2023年11期
    關(guān)鍵詞:特征檢測(cè)模型

    劉洺睿,車 奔,董洪波,朱若籬

    (1.長(zhǎng)安大學(xué) 地質(zhì)工程與測(cè)繪學(xué)院,陜西 西安 710061;2.西安電子科技大學(xué) 廣州研究院,廣東 廣州 510555;3.中煤科工西安研究院(集團(tuán))有限公司,陜西 西安 710077;4.Department of Economics,Queen’s University,Ontario Kingston K7L3N6)

    露天煤礦是我國(guó)煤炭生產(chǎn)體系的重要組成部分,目前我國(guó)露天煤礦總計(jì)450 余座,總產(chǎn)能約為9.5 億t/a,占我國(guó)煤炭總產(chǎn)量的25%以上[1]。可以說(shuō),露天煤礦為國(guó)家能源安全與經(jīng)濟(jì)發(fā)展提供了重要支撐。露天煤礦采場(chǎng)中車輛眾多,交通情況復(fù)雜,重型車輛、設(shè)備的視野盲區(qū)面積較大,碰撞、側(cè)翻事故時(shí)有發(fā)生,給礦山安全生產(chǎn)帶來(lái)了極大隱患,嚴(yán)重影響著煤礦的生產(chǎn)和安全。因此,加強(qiáng)露天煤礦車輛的位置監(jiān)測(cè),及時(shí)確定車輛的位置信息對(duì)于降低安全事故隱患,提高生產(chǎn)效率至關(guān)重要。

    隨著新一代信息技術(shù)與智能化技術(shù)加速融合,露天煤礦的智能化建設(shè)也明顯提速,無(wú)人機(jī)搭載光學(xué)傳感器進(jìn)行智能化監(jiān)測(cè)就是其中之一。無(wú)人機(jī)遙感影像技術(shù)在近年來(lái)快速發(fā)展,因其能夠快速高效獲得高分辨率的低空遙感圖像,有效降低人力成本,而被廣泛應(yīng)用[2]。其中程健等[3]應(yīng)用無(wú)人機(jī)采集采空區(qū)圖像,并且提出一種混合域注意力網(wǎng)絡(luò)對(duì)地裂縫進(jìn)行分析。秦曉輝等[4]針對(duì)礦山場(chǎng)景下目標(biāo)尺度跨度大的特殊性,提出了CDDPP (Convolution Downsampling with Different Padding Positions)下采樣方法,改進(jìn)預(yù)測(cè)Head,顯著提高了實(shí)際應(yīng)用中模型的檢測(cè)精度。利用無(wú)人機(jī)遙感圖像實(shí)時(shí)獲取露天礦區(qū)的畫面,精確識(shí)別煤礦采場(chǎng)中車輛位置,合理利用無(wú)人機(jī)技術(shù)能切實(shí)有效的保障運(yùn)輸過(guò)程中車輛和人員的安全性,減少事故的發(fā)生。基于礦區(qū)采場(chǎng)地域范圍大,地面監(jiān)控監(jiān)測(cè)困難,消耗人力物力多等問(wèn)題,研究無(wú)人機(jī)遙感圖像的智能識(shí)別對(duì)于預(yù)防礦區(qū)采場(chǎng)車輛事故很有必要。

    無(wú)人機(jī)遙感圖像中目標(biāo)物體的像素通常只有幾十個(gè)像素,在高分辨圖像中占比極少,應(yīng)用一般的檢測(cè)方法難以精確的檢測(cè)[5]。近年來(lái),學(xué)者們針對(duì)遙感圖像中目標(biāo)尺度差異大、小目標(biāo)密集分布的問(wèn)題對(duì)一些主流檢測(cè)器做出了改進(jìn)。其中Wei Zhiwei 等[6]提出了尺度自適應(yīng)模塊,通過(guò)動(dòng)態(tài)調(diào)整圖像塊的尺寸來(lái)平衡目標(biāo)尺度,使目標(biāo)信息更加明確。Yin Ruihong 等[7]設(shè)計(jì)了AF-SSD,通過(guò)多層特征融合結(jié)構(gòu)融合較淺層和較深層的特征信息,以此來(lái)增加檢測(cè)目標(biāo)的有效信息。M.Zand[8]、M.Kim[9]、J.Redmon[10]等均以YOLOv3模型為基礎(chǔ),融合深層淺層特征的結(jié)構(gòu)以完成遙感圖像小目標(biāo)檢測(cè)任務(wù),同時(shí)保證了較高的推理速度。考慮到對(duì)整張圖像或者特征圖進(jìn)行超分辨非常耗時(shí),Wu Jingqian 等[11]通過(guò)關(guān)鍵點(diǎn)預(yù)測(cè)獲得可能存在目標(biāo)的潛在位置,然后在這些位置對(duì)應(yīng)的圖像區(qū)域進(jìn)行超分辨和檢測(cè),避免了無(wú)目標(biāo)區(qū)域的無(wú)效運(yùn)算。此外,Ran Qiong 等[12]設(shè)計(jì)了一個(gè)輕量級(jí)的檢測(cè)模型MSCCA,通過(guò)融合多尺度的背景信息和增強(qiáng)的通道注意力來(lái)增強(qiáng)光學(xué)遙感圖像中的小目標(biāo)檢測(cè)。

    綜上所述,研究者們常見的做法是改進(jìn)特征提取方式、改進(jìn)損失函數(shù)、增加小目標(biāo)檢測(cè)頭以及應(yīng)用各類注意力機(jī)制,以此來(lái)與主流檢測(cè)器結(jié)合,增強(qiáng)算法對(duì)遙感圖像的檢測(cè)能力。而在露天煤礦采場(chǎng)遙感影像中背景信息更復(fù)雜、車輛尺寸占比更小,應(yīng)用之前的深度學(xué)習(xí)算法仍無(wú)法有效提取出車輛的特征信息。此外,露天煤礦采場(chǎng)的地形復(fù)雜,應(yīng)用傳統(tǒng)的影像采集設(shè)備成本較高、效率低下,而且無(wú)法完整地收集到全局場(chǎng)景信息。針對(duì)以上問(wèn)題,本文提出一種改進(jìn)的YOLOv7[13]模型,將深度學(xué)習(xí)的目標(biāo)檢測(cè)方法進(jìn)行優(yōu)化提升,并創(chuàng)新應(yīng)用于煤礦采場(chǎng)無(wú)人機(jī)遙感圖像的小目標(biāo)檢測(cè),高精度識(shí)別采場(chǎng)中礦用卡車的位置,為礦區(qū)卡車行駛安全提供理論支撐。

    1 基本原理和方法

    基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測(cè)已經(jīng)在海洋、氣象、天文、軍事等領(lǐng)域得到了廣泛的應(yīng)用,但是應(yīng)用在煤礦露天采場(chǎng)監(jiān)測(cè)領(lǐng)域的研究還較少[2]。隨著目標(biāo)檢測(cè)方法的不斷發(fā)展,檢測(cè)精度高且速度快的目標(biāo)檢測(cè)算法層出不窮。目前,較為流行的目標(biāo)檢測(cè)算法大致可分為兩種:一種是兩階段方法,其中具有代表性的是R-CNN[14]、Fast R-CNN[15]、Faster R-CNN[16]等,這類算法檢測(cè)精度高,但是計(jì)算量大,結(jié)構(gòu)復(fù)雜,檢測(cè)推理速度慢;另一種是單階段方法,采用單一回歸分類思想,其中具有代表性的是YOLO[17]、SSD[18]等算法,直接在原始圖像上完成輸入和輸出,具有端到端檢測(cè)的特點(diǎn),相較于兩階段檢測(cè)方法,其在精度差距不大的情況下大大提高了檢測(cè)速度。本文選取目前最具代表性的單階段目標(biāo)檢測(cè)算法YOLOv7,在保持高速的同時(shí)不失精確度,并在此基礎(chǔ)上進(jìn)一步優(yōu)化。首先,由于通用目標(biāo)檢測(cè)算法對(duì)于小目標(biāo)檢測(cè)缺乏關(guān)注,檢測(cè)不敏感,往往檢測(cè)出較多無(wú)用的信息,本文將著重關(guān)注包含小目標(biāo)信息的特征層,加強(qiáng)對(duì)感興趣區(qū)域的關(guān)注程度,引入強(qiáng)化圖像局部和顯著性特征的通道注意力機(jī)制[19]。其次,為了更好滿足目標(biāo)檢測(cè)輸出的實(shí)時(shí)性,加快神經(jīng)網(wǎng)絡(luò)的推理速度,引入部分卷積神經(jīng)網(wǎng)絡(luò)(Partial Convolution)[20],以此來(lái)進(jìn)一步增強(qiáng)網(wǎng)絡(luò)的性能;最后,基于交并比(IoU)[21]的度量(例如IoU 本身及其擴(kuò)展)對(duì)微小物體的位置偏差非常敏感,并且在用于基于錨的檢測(cè)器時(shí)會(huì)大大降低檢測(cè)性能,為此使用一種稱為歸一化Wasserstein 距離NWD(Normalized Wasserstein Distance)的新度量[22],通過(guò)它們對(duì)應(yīng)的高斯分布計(jì)算他們之間的相似性,從而進(jìn)一步提高對(duì)小目標(biāo)檢測(cè)的準(zhǔn)確性。

    1.1 YOLOv7 基礎(chǔ)網(wǎng)絡(luò)模型

    YOLOv7 是目前比較先進(jìn)的單階段實(shí)時(shí)目標(biāo)檢測(cè)器,它主要由兩部分構(gòu)成:主干網(wǎng)絡(luò)Backbone 負(fù)責(zé)初步提取圖片的信息;Head 部分對(duì)提取到的特征做進(jìn)一步的加工及合理利用,最終檢測(cè)頭解析前面提取的特征,從而做出分類檢測(cè)。YOLOv7 網(wǎng)絡(luò)模型的主干網(wǎng)絡(luò)部分主要由卷積模塊CBS、ELAN 模塊、MP 模塊和SPPCSPC 模塊構(gòu)成。YOLOv7 的原始網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。

    圖1 YOLOv7 原始網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Original network structure of YOLOv7

    1.2 Partial Conv 網(wǎng)絡(luò)模型

    為了同時(shí)減少計(jì)算冗余和內(nèi)存訪問(wèn),設(shè)出更快速的神經(jīng)網(wǎng)絡(luò),Chen Jierun 等[20]提出了Partial Convolution 模塊(之后稱為PConv 模塊)用以更有效地提取空間特征。它只需在輸入通道的一部分上應(yīng)用常規(guī)卷積進(jìn)行空間特征提取,保持其余通道不變。對(duì)于連續(xù)或規(guī)則的內(nèi)存訪問(wèn),將第一個(gè)或最后一個(gè)連續(xù)的Cp通道視為整個(gè)特征圖的代表進(jìn)行計(jì)算,其計(jì)算量CFLOPs為:

    式中:h為輸入通道的高度;w為輸入通道的寬度;Cp為輸入通道的深度;k為卷積核的長(zhǎng)度。其計(jì)算量?jī)H為常規(guī)卷積的計(jì)算量CFLOPs的。PConv 模塊的內(nèi)存訪問(wèn)較小,約為h×w×2Cp,僅為常規(guī)卷積的。

    PConv 模塊基本工作原理如圖2 所示。

    圖2 PConv 模塊基本工作原理Fig.2 Basic principle of the PConv module

    1.3 改進(jìn)的ELAN-P 模塊

    ELAN 模塊是一個(gè)高效的網(wǎng)絡(luò)結(jié)構(gòu),它通過(guò)控制最短和最長(zhǎng)的梯度路徑,使網(wǎng)絡(luò)能夠?qū)W習(xí)到更多的特征,并且具有更強(qiáng)的魯棒性。由于PConv 模塊相對(duì)于普通卷積Conv 模塊可以更快速地提取輸入分支的特征,更好地訪問(wèn)內(nèi)存,所以本文使用PConv 模塊來(lái)代替普通卷積Conv 模塊,在不失去通道特征數(shù)的同時(shí),來(lái)保持高效的計(jì)算速度。改進(jìn)后的ELAN-P 模塊如圖3 所示。

    圖3 ELAN 與ELAN-P 對(duì)比Fig.3 Comparison between the ELAN and ELAN-P modules

    1.4 Partial Conv-eSE 網(wǎng)絡(luò)模型

    eSE(Effective Squeeze and Extraction Block)是基于SE(Squeeze and Extraction)注意力模塊而來(lái)[23]。SE注意力模塊,是一種通道注意力模塊;常常被應(yīng)用于視覺模型中,通過(guò)它能對(duì)輸入特征圖進(jìn)行通道特征加強(qiáng),而且最終SE 模塊輸出,不改變輸入特征圖的大小。SE 模塊基本工作原理如圖4 所示。

    圖4 SE 模塊工作原理Fig.4 Principle of the SE module

    SE 模塊中,為避免模型過(guò)于復(fù)雜,2 個(gè)FC 層(全連接層)需要減小通道數(shù)量。第一FC 層使用縮小率r將輸入特征通道C減少到C/r,第二FC 層將縮小的通道擴(kuò)展為C,這會(huì)導(dǎo)致通道信息丟失。而eSE 僅使用一個(gè)具有C通道的FC 層,而不使用降低通道尺寸的兩個(gè)FC,從而維護(hù)了通道信息,從而提高了性能。eSE 模塊針對(duì)SE 模塊升級(jí)部分如圖5 所示。

    圖5 SE 模塊與eSE 模塊Fig.5 Comprison between the SE and eSE modules

    針對(duì)遙感圖像背景信息復(fù)雜,待檢測(cè)目標(biāo)在圖像中像素占比較小,提取小目標(biāo)特征困難,通過(guò)結(jié)合通道注意力機(jī)制進(jìn)一步提取小目標(biāo)特征,加強(qiáng)對(duì)特征區(qū)域的關(guān)注程度。針對(duì)普通卷積輸出特征速度慢的問(wèn)題,本文在eSE 注意力模塊的輸入通道上結(jié)合PConv 模塊提出一種新的注意力模塊PC-eSE 模塊,并將PCeSE 模塊嵌入到Y(jié)OLOv7 原始網(wǎng)絡(luò)Backbone 的3 個(gè)輸出通道中,進(jìn)一步快速且有效地提取特征。改進(jìn)后的YOLOv7 模型如圖6 所示。

    圖6 PC-eSE 模塊工作流程Fig.6 Flow chart of the PC-eSE module

    1.5 改進(jìn)的損失函數(shù) NWD-Loss

    無(wú)人機(jī)遙感圖像小目標(biāo)檢測(cè)是一個(gè)非常具有挑戰(zhàn)性的問(wèn)題,由于小目標(biāo)在原始圖片中所占像素小和檢測(cè)器原始損失函數(shù)的固有缺陷,使用YOLOv7 原本的損失函數(shù)始終不能得到令人滿意的結(jié)果?;贗oU 度量的損失函數(shù)本身對(duì)小目標(biāo)的位置偏差非常敏感,在基于Anchor 的檢測(cè)器中使用時(shí),嚴(yán)重降低了性能?;诖藛?wèn)題,本文采用基于Wasserstein 距離的小目標(biāo)檢測(cè)評(píng)估方法NWD 度量(可以很容易地嵌入到任何基于Anchor 的檢測(cè)器的損失函數(shù)中),將檢測(cè)邊框Bounding Boxs 建模為二維高斯分布,通過(guò)它們對(duì)應(yīng)的高斯分布計(jì)算它們之間的相似性。經(jīng)過(guò)對(duì)比這種方法可以有效提高YOLOv7 檢測(cè)器的檢測(cè)精度,使之更好地識(shí)別出遙感圖像中的小目標(biāo)。

    connecting rod→conrod連桿;variable resistor→varistor可變電阻。

    對(duì)于水平邊框D=,其中 (cx,cy),w和h分別為中心坐標(biāo)。水平邊界框可以建模為二維高斯分布N(μ,Σ),其中:

    邊界框A和B之間的相似性可以轉(zhuǎn)化為2 個(gè)高斯分布之間的分布距離,此處使用Wasserstein distance(w2)來(lái)計(jì)算分布距離。對(duì)于邊界框A=(cxa,cya,wa,ha)和B=(cxb,cyb,wb,hb) 建模的Na和Nb,可進(jìn)一步得出:

    通過(guò)得到的距離,使用指數(shù)形式歸一化,得到新的度量NWD,即:

    式中:S為與數(shù)據(jù)集相關(guān)的一個(gè)超參數(shù),可通過(guò)模型訓(xùn)練得到。與IoU 相比,NWD 對(duì)位置偏差更平滑,在相同的閾值下,可以更好地區(qū)分出目標(biāo)位置?;谝陨戏治?,Loss 函數(shù)可設(shè)為:

    式中:Np為 預(yù)測(cè)框p的高斯分布模型;Ng為GT boxes g的高斯分布模型。經(jīng)過(guò)對(duì)比分析,NWD 方法可以顯著降低假陰性。

    2 實(shí)驗(yàn)設(shè)備及數(shù)據(jù)

    2.1 實(shí)驗(yàn)設(shè)備

    本文實(shí)驗(yàn)環(huán)境為Ubuntu20.04、Python3.8、PyTorch1.13.0,相關(guān)硬件配置和模型參數(shù)見表1,其中訓(xùn)練次數(shù)epoch 為100。

    表1 硬件配置和模型參數(shù)Table 1 Hardware configuration and model parameters

    2.2 實(shí)驗(yàn)數(shù)據(jù)集

    本文采用的數(shù)據(jù)集為露天煤礦采場(chǎng)礦用卡車數(shù)據(jù)集。露天煤礦采場(chǎng)礦用卡車數(shù)據(jù)集來(lái)源為無(wú)人機(jī)低空遙感影像,均為無(wú)人機(jī)搭載光學(xué)數(shù)碼相機(jī)拍攝的露天煤礦采場(chǎng)工作時(shí)的視頻影像,包含不同煤礦和不同天氣情況的采場(chǎng)工作場(chǎng)景。本文將遙感影像逐幀截取,由于所獲得的遙感圖像重復(fù)率較高,可能會(huì)增加訓(xùn)練成本和計(jì)算負(fù)擔(dān),所以每隔兩幀就移除一幀圖像,最終共獲得露天煤礦采場(chǎng)遙感圖像3 789 張。按照7∶2∶1 的比例劃分,其中2 653 張用于訓(xùn)練集,758 張用于驗(yàn)證集,378 張用于測(cè)試集。部分?jǐn)?shù)據(jù)集示例如圖7 所示。接著通過(guò)LabelImg 工具進(jìn)行標(biāo)注,采用的是水平框,標(biāo)簽格式為YOLO 格式,其中只包含車(car)一個(gè)類型,卡車統(tǒng)一標(biāo)記為car。標(biāo)注后的數(shù)據(jù)集包含復(fù)雜場(chǎng)景和簡(jiǎn)單場(chǎng)景,共有36 320 個(gè)目標(biāo)框,能充分體現(xiàn)露天煤礦采場(chǎng)中的現(xiàn)實(shí)情景,為本次實(shí)驗(yàn)的主要研究對(duì)象。

    圖7 煤礦卡車數(shù)據(jù)集示例Fig.7 Examples of the dataset of mining trucks

    2.3 評(píng)價(jià)指標(biāo)

    本文針對(duì)模型性能優(yōu)劣采用的評(píng)價(jià)指標(biāo)為精確度P(precision),即模型預(yù)測(cè)目標(biāo)中,預(yù)測(cè)正確的比例,計(jì)算公式為:

    式中:TP為將正類預(yù)測(cè)為正類數(shù),即正確預(yù)測(cè);FP為將負(fù)類預(yù)測(cè)為正類數(shù),即錯(cuò)誤預(yù)測(cè)。

    召回率R(recall)是所有真實(shí)目標(biāo)中,模型預(yù)測(cè)正確的比例,計(jì)算公式為:

    式中:FN為將正類預(yù)測(cè)為負(fù)類數(shù),即錯(cuò)誤預(yù)測(cè)。

    平均精度Pmav(mean average precision,mAP)是所有類別預(yù)測(cè)精準(zhǔn)的平均值,計(jì)算公式為:

    式中:Pav為每一類別P值的平均值,本次采用的Pmav僅是閾值為0.5 時(shí)計(jì)算出來(lái)的值;N為類別總數(shù);t為時(shí)間。

    檢測(cè)速度采用的指標(biāo)是每秒檢測(cè)圖片數(shù)量,即幀率,單位為帖/s,模型大小采用的指標(biāo)是參數(shù)量,即模型參數(shù)的數(shù)量總和,單位為Mb。

    3 實(shí)驗(yàn)結(jié)果分析與評(píng)價(jià)

    3.1 檢測(cè)結(jié)果

    為了驗(yàn)證所提出模型性能,使用上文所提到的訓(xùn)練參數(shù)及數(shù)據(jù)集。在YOLOv7 改進(jìn)網(wǎng)絡(luò)中訓(xùn)練使用的官方數(shù)據(jù)增強(qiáng)方法,圖幅大小在輸入網(wǎng)絡(luò)結(jié)構(gòu)時(shí)會(huì)被有效調(diào)整為640×640 和1 280×1 280,在這2 種圖幅大小下都進(jìn)行了驗(yàn)證,最終640×640 大小的效果較優(yōu),也是本文選取的圖幅大小,隨后對(duì)改進(jìn)的YOLOv7 模型進(jìn)行多次實(shí)驗(yàn),最終模型均收斂,并且獲得了較好的精確度與召回率。對(duì)比原始的YOLOv7 模型,Pmav(IoU為0.5)由87.3%上升到94.5%,對(duì)比增加了7.2%,改進(jìn)前后的P-R曲線如圖8 所示。

    圖8 YOLOv7 改進(jìn)前后P-R 曲線對(duì)比Fig.8 Comparison between the precision-recall curves of the original and improved YOLOv7 models

    改進(jìn)前后的YOLOv7 網(wǎng)絡(luò)效果如圖9 所示,在圖9a 中有卡車未被成功檢測(cè),性能較差,而圖9b 為改進(jìn)后的網(wǎng)絡(luò)模型檢測(cè)效果,可以有效改善卡車目標(biāo)的漏檢。

    圖9 YOLOv7 改進(jìn)前后效果對(duì)比Fig.9 Comparison between the extraction effects of the original and improved YOLOv7 models

    對(duì)每張圖片的平均推理速度由76 帖/s 上升到95 帖/s,對(duì)比增加了19 帖/s。有效證明改進(jìn)模型可以快速檢測(cè)出露天煤礦采場(chǎng)的礦用卡車小目標(biāo)。

    3.2 消融實(shí)驗(yàn)

    為了進(jìn)一步驗(yàn)證模型的改進(jìn)效果,采用消融實(shí)驗(yàn)對(duì)各個(gè)改進(jìn)方面進(jìn)行驗(yàn)證。消融實(shí)驗(yàn)驗(yàn)證的標(biāo)準(zhǔn)包括模型的精確度Pmav和參數(shù)量(Mb)。其中,模型參數(shù)量越小代表模型越輕量化。結(jié)果見表2。

    表2 消融實(shí)驗(yàn)Table 2 Results of ablation experiments

    通過(guò)表2 可以看出,改進(jìn)后的YOLOv7 網(wǎng)絡(luò)模型在輸入相同尺寸圖片的情況下,Pmav值超過(guò)了其他的組合,有效提升了檢測(cè)精度。

    3.3 對(duì)比實(shí)驗(yàn)

    將改進(jìn)后的YOLOv7 網(wǎng)絡(luò)模型與其他深度學(xué)習(xí)目標(biāo)檢測(cè)網(wǎng)絡(luò)模型進(jìn)行對(duì)比和分析。實(shí)驗(yàn)將YOLOv5、YOLOv6、YOLOv8、Faster-RCNN 和YOLOv7 原始網(wǎng)絡(luò)進(jìn)行比較。實(shí)驗(yàn)選用Pmav(閾值為0.5)作為檢測(cè)指標(biāo)。最終結(jié)果見表3。

    表3 對(duì)比實(shí)驗(yàn)(IoU=0.5)Table 3 Results of comparison experiments (IoU=0.5)

    其中,F(xiàn)aster-RCNN 原始網(wǎng)絡(luò)較其他原始網(wǎng)絡(luò)表現(xiàn)好,但是其屬于雙階段目標(biāo)檢測(cè)算法,相比于其他算法計(jì)算推理速度慢,需要的算力資源更多。YOLOv5、YOLOv6 和YOLOv8 都屬于YOLO 系列,它們的優(yōu)點(diǎn)是檢測(cè)速度快但是對(duì)于小物體的檢測(cè)不夠精確,對(duì)比YOLOv7 原始網(wǎng)絡(luò)它們檢測(cè)精度低,容易造成漏檢現(xiàn)象。改進(jìn)后的YOLOv7 網(wǎng)絡(luò)相較于其他的深度學(xué)習(xí)檢測(cè)方法精度有明顯的提高,彌補(bǔ)了原始網(wǎng)絡(luò)在小目標(biāo)檢測(cè)方面的不足,進(jìn)一步提高了網(wǎng)絡(luò)的魯棒性。

    4 結(jié)論

    a.針對(duì)露天煤礦采場(chǎng)環(huán)境復(fù)雜、礦用卡車位置檢測(cè)困難的問(wèn)題,提出一種基于露天煤礦場(chǎng)景深度學(xué)習(xí)的無(wú)人機(jī)遙感影像目標(biāo)檢測(cè)算法。通過(guò)構(gòu)建2 種不同模塊和一種新的損失函數(shù)引入到Y(jié)OLOv7 原始網(wǎng)絡(luò)中,提高了對(duì)無(wú)人機(jī)遙感圖像中小目標(biāo)的識(shí)別精度。

    b.在煤礦采場(chǎng)卡車數(shù)據(jù)集上對(duì)所提出改進(jìn)YOLOv7方法進(jìn)行評(píng)估,其檢測(cè)精度Pmav比原始YOLOv7 網(wǎng)絡(luò)模型提高7.2%,相比于其他主流遙感目標(biāo)檢測(cè)方法在精度上有明顯提升。實(shí)驗(yàn)結(jié)果表明,該算法具有較高的識(shí)別精度,能夠?qū)ΦV區(qū)卡車的位置進(jìn)行準(zhǔn)確定位。

    c.將進(jìn)一步改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)及模型,降低模型的參數(shù)量,使模塊可以快速部署于邊緣設(shè)備。

    猜你喜歡
    特征檢測(cè)模型
    一半模型
    “不等式”檢測(cè)題
    “一元一次不等式”檢測(cè)題
    “一元一次不等式組”檢測(cè)題
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    抓住特征巧觀察
    3D打印中的模型分割與打包
    久久人人爽人人片av| 国产人妻一区二区三区在| 亚州av有码| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 免费看a级黄色片| av免费观看日本| 免费av毛片视频| 黄片无遮挡物在线观看| 亚洲精品日韩在线中文字幕| 国产午夜精品久久久久久一区二区三区| 久久国产乱子免费精品| av播播在线观看一区| 九九久久精品国产亚洲av麻豆| 精品久久久久久电影网| 99久久精品热视频| 日本猛色少妇xxxxx猛交久久| 欧美另类一区| 一级二级三级毛片免费看| 亚洲高清免费不卡视频| 一区二区三区免费毛片| 亚洲成人久久爱视频| 国产中年淑女户外野战色| 国产91av在线免费观看| 欧美极品一区二区三区四区| 别揉我奶头 嗯啊视频| 精品久久久噜噜| 晚上一个人看的免费电影| 精品人妻一区二区三区麻豆| 欧美97在线视频| 不卡视频在线观看欧美| kizo精华| 小蜜桃在线观看免费完整版高清| 久久久精品免费免费高清| 国产毛片在线视频| 日日摸夜夜添夜夜添av毛片| 看十八女毛片水多多多| 国产精品.久久久| 国产精品久久久久久久电影| 黄片wwwwww| 欧美一区二区亚洲| 国产美女午夜福利| 中文字幕人妻熟人妻熟丝袜美| 亚洲最大成人中文| 岛国毛片在线播放| 精品熟女少妇av免费看| 国产女主播在线喷水免费视频网站| 日本与韩国留学比较| 久久久午夜欧美精品| 亚洲精品色激情综合| 久久韩国三级中文字幕| 啦啦啦啦在线视频资源| av线在线观看网站| 可以在线观看毛片的网站| 黄色一级大片看看| 久久久久久久久久久免费av| 欧美日韩综合久久久久久| 99视频精品全部免费 在线| 深夜a级毛片| 久久久久久国产a免费观看| 久久影院123| 亚洲,一卡二卡三卡| 欧美zozozo另类| av国产久精品久网站免费入址| 狂野欧美激情性bbbbbb| 香蕉精品网在线| 成人欧美大片| 色综合色国产| av在线蜜桃| 国产极品天堂在线| 街头女战士在线观看网站| 美女主播在线视频| 日韩三级伦理在线观看| 亚洲国产欧美人成| 国产高清国产精品国产三级 | 久久精品久久久久久噜噜老黄| 熟女电影av网| 国产黄色免费在线视频| 亚洲综合色惰| 亚洲国产欧美在线一区| 少妇的逼好多水| 王馨瑶露胸无遮挡在线观看| 丝袜美腿在线中文| 性色avwww在线观看| 中文乱码字字幕精品一区二区三区| 国产欧美日韩一区二区三区在线 | 欧美人与善性xxx| 22中文网久久字幕| 婷婷色麻豆天堂久久| 日韩伦理黄色片| a级毛片免费高清观看在线播放| 少妇被粗大猛烈的视频| 日本wwww免费看| 中文精品一卡2卡3卡4更新| 欧美日韩国产mv在线观看视频 | 极品教师在线视频| 男人添女人高潮全过程视频| 色5月婷婷丁香| 国产精品一区二区性色av| 街头女战士在线观看网站| 日韩三级伦理在线观看| 一级二级三级毛片免费看| 欧美xxxx黑人xx丫x性爽| 一级黄片播放器| 亚洲国产精品国产精品| 尾随美女入室| 麻豆久久精品国产亚洲av| 亚洲国产精品专区欧美| 有码 亚洲区| 中国国产av一级| 亚洲欧美日韩卡通动漫| 日韩欧美精品免费久久| 干丝袜人妻中文字幕| 成年av动漫网址| 国产午夜精品一二区理论片| 不卡视频在线观看欧美| 神马国产精品三级电影在线观看| 2018国产大陆天天弄谢| 卡戴珊不雅视频在线播放| 国产69精品久久久久777片| 欧美高清性xxxxhd video| 男人添女人高潮全过程视频| 亚洲色图av天堂| 三级国产精品欧美在线观看| 日本wwww免费看| 一边亲一边摸免费视频| 国产综合精华液| 男男h啪啪无遮挡| 三级国产精品片| 成人午夜精彩视频在线观看| 国产精品一区二区三区四区免费观看| 日韩欧美精品v在线| 偷拍熟女少妇极品色| 亚洲va在线va天堂va国产| 亚洲国产成人一精品久久久| 97超碰精品成人国产| 亚洲欧美精品自产自拍| 国产成年人精品一区二区| 深爱激情五月婷婷| 简卡轻食公司| 成人一区二区视频在线观看| 亚洲欧美日韩东京热| 欧美xxⅹ黑人| 亚洲国产精品专区欧美| 欧美国产精品一级二级三级 | 中文欧美无线码| 亚洲av.av天堂| 18禁在线无遮挡免费观看视频| 久久精品国产a三级三级三级| 国产成人一区二区在线| 亚洲欧美精品自产自拍| 久久久久久伊人网av| 国产亚洲最大av| 亚洲最大成人手机在线| 如何舔出高潮| 搞女人的毛片| 国产爱豆传媒在线观看| 一本色道久久久久久精品综合| 日本av手机在线免费观看| 亚洲精品第二区| 色5月婷婷丁香| 制服丝袜香蕉在线| 一区二区三区精品91| 国产国拍精品亚洲av在线观看| 亚洲国产精品成人综合色| 精品一区二区三区视频在线| 国产一区有黄有色的免费视频| 伦理电影大哥的女人| 国产爱豆传媒在线观看| 亚洲一级一片aⅴ在线观看| 亚洲国产精品成人综合色| 成年免费大片在线观看| 亚洲精华国产精华液的使用体验| 国产免费一级a男人的天堂| 99久久精品热视频| av国产精品久久久久影院| 韩国av在线不卡| 国产一区有黄有色的免费视频| 天天一区二区日本电影三级| 亚洲一区二区三区欧美精品 | 国产日韩欧美亚洲二区| 人人妻人人澡人人爽人人夜夜| 天天躁夜夜躁狠狠久久av| av播播在线观看一区| 国产成年人精品一区二区| 毛片一级片免费看久久久久| 国产又色又爽无遮挡免| 免费播放大片免费观看视频在线观看| 人妻系列 视频| 18禁裸乳无遮挡动漫免费视频 | 97人妻精品一区二区三区麻豆| 亚洲va在线va天堂va国产| 91精品一卡2卡3卡4卡| 搡女人真爽免费视频火全软件| 男人和女人高潮做爰伦理| 久久亚洲国产成人精品v| 最新中文字幕久久久久| 麻豆乱淫一区二区| 亚洲av日韩在线播放| 欧美日韩视频高清一区二区三区二| 日日啪夜夜爽| 久久国产乱子免费精品| 97精品久久久久久久久久精品| 看免费成人av毛片| 精品一区在线观看国产| 日本一本二区三区精品| 日韩不卡一区二区三区视频在线| 亚洲精品第二区| 黄色日韩在线| 男女国产视频网站| 国产成人精品一,二区| 深夜a级毛片| 久久国内精品自在自线图片| 中文资源天堂在线| 九九久久精品国产亚洲av麻豆| 最近的中文字幕免费完整| 黄色日韩在线| 日韩强制内射视频| 亚洲av成人精品一区久久| 亚洲自拍偷在线| 亚洲四区av| 亚洲最大成人中文| 听说在线观看完整版免费高清| 涩涩av久久男人的天堂| 欧美bdsm另类| 国产精品国产三级国产专区5o| 在线a可以看的网站| 精品久久国产蜜桃| 亚洲av成人精品一区久久| 国产黄频视频在线观看| 精品少妇久久久久久888优播| 少妇熟女欧美另类| 天堂网av新在线| 成人免费观看视频高清| 黑人高潮一二区| 五月天丁香电影| 成人综合一区亚洲| 男女边摸边吃奶| 久久人人爽人人爽人人片va| 91精品伊人久久大香线蕉| 亚洲国产精品国产精品| 欧美日韩一区二区视频在线观看视频在线 | videos熟女内射| 日本熟妇午夜| 亚洲精品久久久久久婷婷小说| 久久久久久国产a免费观看| 亚洲久久久久久中文字幕| 中文字幕av成人在线电影| videossex国产| 亚洲无线观看免费| 激情五月婷婷亚洲| 中文字幕人妻熟人妻熟丝袜美| 久久99蜜桃精品久久| 美女cb高潮喷水在线观看| 亚洲,欧美,日韩| 日韩av免费高清视频| 国产爽快片一区二区三区| 日韩av在线免费看完整版不卡| 性色avwww在线观看| 亚洲在久久综合| 少妇的逼好多水| 亚洲精品一区蜜桃| 日韩伦理黄色片| 在线免费观看不下载黄p国产| 国产熟女欧美一区二区| 亚洲精品影视一区二区三区av| 97超碰精品成人国产| 亚洲国产欧美在线一区| 观看免费一级毛片| 国产精品久久久久久精品电影| 成年免费大片在线观看| freevideosex欧美| 老司机影院成人| 亚洲经典国产精华液单| 亚洲欧美日韩卡通动漫| 国产成人freesex在线| 国国产精品蜜臀av免费| 亚洲三级黄色毛片| 亚洲自偷自拍三级| 免费黄频网站在线观看国产| 亚洲综合色惰| 日本三级黄在线观看| 91aial.com中文字幕在线观看| 国产老妇伦熟女老妇高清| 人人妻人人澡人人爽人人夜夜| 少妇裸体淫交视频免费看高清| 可以在线观看毛片的网站| av免费在线看不卡| 新久久久久国产一级毛片| 黄片wwwwww| 久久99热6这里只有精品| 成人毛片a级毛片在线播放| 嫩草影院入口| 看十八女毛片水多多多| 日本爱情动作片www.在线观看| 国产精品国产av在线观看| 一本色道久久久久久精品综合| 精品99又大又爽又粗少妇毛片| 亚洲精品,欧美精品| 国产成人aa在线观看| av.在线天堂| 嫩草影院入口| h日本视频在线播放| 日本av手机在线免费观看| 久久久欧美国产精品| 国产亚洲91精品色在线| av在线老鸭窝| 最近最新中文字幕免费大全7| 蜜桃久久精品国产亚洲av| 中文欧美无线码| 亚洲精品第二区| 永久免费av网站大全| 午夜老司机福利剧场| 看十八女毛片水多多多| 男男h啪啪无遮挡| 十八禁网站网址无遮挡 | 丰满人妻一区二区三区视频av| 免费黄网站久久成人精品| 日本色播在线视频| 极品教师在线视频| 精品久久久久久久久亚洲| 天堂俺去俺来也www色官网| 国产爱豆传媒在线观看| 亚洲成人久久爱视频| 亚洲av日韩在线播放| 一级毛片我不卡| 久久久久久久久久久免费av| 嫩草影院入口| 三级男女做爰猛烈吃奶摸视频| 欧美zozozo另类| 十八禁网站网址无遮挡 | 日本猛色少妇xxxxx猛交久久| 亚洲人成网站高清观看| 大码成人一级视频| 国产色婷婷99| 一级片'在线观看视频| av在线老鸭窝| 大码成人一级视频| 青春草视频在线免费观看| 亚洲av免费在线观看| av黄色大香蕉| 日日撸夜夜添| 真实男女啪啪啪动态图| 国产成年人精品一区二区| 国产 一区 欧美 日韩| 美女国产视频在线观看| 乱码一卡2卡4卡精品| 精品久久久久久电影网| 亚洲天堂国产精品一区在线| 18禁裸乳无遮挡动漫免费视频 | 国产精品爽爽va在线观看网站| 可以在线观看毛片的网站| 久久人人爽人人爽人人片va| 国产欧美日韩精品一区二区| a级毛片免费高清观看在线播放| 亚洲天堂国产精品一区在线| 最近最新中文字幕免费大全7| 高清在线视频一区二区三区| 草草在线视频免费看| 内地一区二区视频在线| 菩萨蛮人人尽说江南好唐韦庄| 日本三级黄在线观看| 亚洲欧洲国产日韩| 别揉我奶头 嗯啊视频| 亚洲欧美成人综合另类久久久| 狠狠精品人妻久久久久久综合| av免费观看日本| 国产精品久久久久久久久免| 日韩中字成人| 日本三级黄在线观看| 亚洲av成人精品一二三区| 九九爱精品视频在线观看| 又大又黄又爽视频免费| 亚洲av在线观看美女高潮| 久久99热这里只有精品18| 亚洲不卡免费看| 亚洲欧洲国产日韩| 国产综合懂色| 午夜激情久久久久久久| 小蜜桃在线观看免费完整版高清| 偷拍熟女少妇极品色| 国产伦理片在线播放av一区| 69人妻影院| 黄色配什么色好看| 精品久久久久久久末码| 亚洲国产高清在线一区二区三| 97热精品久久久久久| 在线a可以看的网站| 国语对白做爰xxxⅹ性视频网站| 美女脱内裤让男人舔精品视频| 国产在视频线精品| av在线蜜桃| av女优亚洲男人天堂| 中文天堂在线官网| 三级国产精品片| 国产精品无大码| 男人狂女人下面高潮的视频| 精品国产三级普通话版| 免费黄频网站在线观看国产| 有码 亚洲区| 国产精品国产av在线观看| 欧美性猛交╳xxx乱大交人| 欧美人与善性xxx| 日韩成人av中文字幕在线观看| 久久鲁丝午夜福利片| 男男h啪啪无遮挡| 99精国产麻豆久久婷婷| 国产片特级美女逼逼视频| 国产永久视频网站| 热re99久久精品国产66热6| 自拍偷自拍亚洲精品老妇| 大香蕉97超碰在线| 国产综合懂色| 丰满乱子伦码专区| 色视频在线一区二区三区| 别揉我奶头 嗯啊视频| 免费高清在线观看视频在线观看| 亚洲欧美清纯卡通| 亚洲国产日韩一区二区| 日韩大片免费观看网站| videos熟女内射| 亚洲国产av新网站| 日韩一区二区三区影片| 人妻夜夜爽99麻豆av| 亚洲av日韩在线播放| 日韩人妻高清精品专区| 欧美成人一区二区免费高清观看| 九草在线视频观看| 校园人妻丝袜中文字幕| 欧美人与善性xxx| 亚洲最大成人av| 赤兔流量卡办理| 国产精品三级大全| 男女无遮挡免费网站观看| 18禁裸乳无遮挡动漫免费视频 | 我的老师免费观看完整版| 国内精品宾馆在线| 熟女电影av网| 能在线免费看毛片的网站| 波野结衣二区三区在线| 毛片一级片免费看久久久久| 亚洲最大成人中文| 久久人人爽av亚洲精品天堂 | 成人亚洲精品一区在线观看 | 深爱激情五月婷婷| 欧美高清成人免费视频www| 欧美少妇被猛烈插入视频| 80岁老熟妇乱子伦牲交| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 成人午夜精彩视频在线观看| 免费电影在线观看免费观看| 欧美极品一区二区三区四区| 亚洲成人精品中文字幕电影| 天堂俺去俺来也www色官网| 国产免费福利视频在线观看| 婷婷色综合www| 99视频精品全部免费 在线| 18禁裸乳无遮挡免费网站照片| .国产精品久久| 天天躁日日操中文字幕| 精品酒店卫生间| 一个人观看的视频www高清免费观看| 成人高潮视频无遮挡免费网站| 欧美亚洲 丝袜 人妻 在线| 欧美性猛交╳xxx乱大交人| 高清欧美精品videossex| 五月开心婷婷网| 一个人观看的视频www高清免费观看| 国产欧美亚洲国产| 亚洲欧美日韩卡通动漫| 人妻制服诱惑在线中文字幕| 久久99热这里只频精品6学生| 久久久久久久久久成人| 色视频在线一区二区三区| 亚洲国产日韩一区二区| 国产高清有码在线观看视频| 不卡视频在线观看欧美| 在线观看美女被高潮喷水网站| 麻豆成人av视频| 一级二级三级毛片免费看| 国产伦理片在线播放av一区| 偷拍熟女少妇极品色| 特级一级黄色大片| 91在线精品国自产拍蜜月| 国产欧美亚洲国产| 一二三四中文在线观看免费高清| 免费大片黄手机在线观看| 国产成人免费无遮挡视频| 伦理电影大哥的女人| 久久97久久精品| 国产成人一区二区在线| 黄色怎么调成土黄色| 九草在线视频观看| 亚洲国产精品成人综合色| 内射极品少妇av片p| 国产av国产精品国产| 夫妻性生交免费视频一级片| 男男h啪啪无遮挡| 一个人看的www免费观看视频| 国产成人免费无遮挡视频| 91狼人影院| 日韩强制内射视频| 午夜视频国产福利| 国产av不卡久久| 国产高清三级在线| 草草在线视频免费看| 欧美 日韩 精品 国产| 日韩精品有码人妻一区| 亚洲人成网站在线播| 精品久久久久久电影网| 亚洲图色成人| 久久久成人免费电影| 尤物成人国产欧美一区二区三区| 亚洲欧洲国产日韩| 精品99又大又爽又粗少妇毛片| 日韩欧美精品v在线| 亚洲精品中文字幕在线视频 | 亚洲成人久久爱视频| 国产精品国产三级专区第一集| 99热全是精品| 免费看a级黄色片| a级毛色黄片| 日本与韩国留学比较| 99热这里只有是精品在线观看| 国产极品天堂在线| 久久99热6这里只有精品| 精品人妻视频免费看| 欧美 日韩 精品 国产| 精品午夜福利在线看| 久久久久久久久久成人| 亚洲四区av| 深夜a级毛片| 亚洲人成网站高清观看| 日韩成人av中文字幕在线观看| 免费观看在线日韩| 男人狂女人下面高潮的视频| 自拍欧美九色日韩亚洲蝌蚪91 | 国产淫语在线视频| 69av精品久久久久久| 人妻夜夜爽99麻豆av| 女的被弄到高潮叫床怎么办| 国产黄a三级三级三级人| 国产精品一区二区三区四区免费观看| 亚洲国产精品成人久久小说| 在线观看一区二区三区| 午夜视频国产福利| 好男人视频免费观看在线| 亚洲精品乱码久久久久久按摩| 直男gayav资源| 国产高清国产精品国产三级 | 亚洲一级一片aⅴ在线观看| 91狼人影院| 2021少妇久久久久久久久久久| 亚洲欧美日韩无卡精品| 久久久久久久亚洲中文字幕| 校园人妻丝袜中文字幕| 午夜福利网站1000一区二区三区| 国产91av在线免费观看| 久久久久久久午夜电影| 欧美日韩综合久久久久久| 国产精品一二三区在线看| 丰满人妻一区二区三区视频av| 欧美激情国产日韩精品一区| 久久久久网色| 成人国产麻豆网| 免费看不卡的av| 最近手机中文字幕大全| 中文欧美无线码| 天堂网av新在线| 亚洲欧美日韩卡通动漫| 日韩一本色道免费dvd| 久久精品国产鲁丝片午夜精品| 国产精品精品国产色婷婷| 日本-黄色视频高清免费观看| 香蕉精品网在线| 国产精品三级大全| av福利片在线观看| 欧美丝袜亚洲另类| 一级毛片 在线播放| 国产成人一区二区在线| 亚洲精品日本国产第一区| 成人国产麻豆网| 亚洲精华国产精华液的使用体验| 99久久精品国产国产毛片| 婷婷色综合大香蕉| 欧美变态另类bdsm刘玥| 久久久久九九精品影院| 亚洲成人中文字幕在线播放| 久久久精品免费免费高清| 精品久久久精品久久久| 深夜a级毛片| 日韩一区二区视频免费看| 欧美日韩国产mv在线观看视频 | 午夜免费鲁丝| av网站免费在线观看视频| 亚洲国产精品国产精品| 欧美日韩视频高清一区二区三区二| 亚洲精品aⅴ在线观看| 久久精品国产a三级三级三级| 欧美一区二区亚洲| 91久久精品电影网| 国产日韩欧美亚洲二区| 69人妻影院| 亚洲精品亚洲一区二区| av在线老鸭窝| 91久久精品国产一区二区成人| 午夜福利在线在线| 精品久久久噜噜| 美女内射精品一级片tv| 国产真实伦视频高清在线观看| 日韩一区二区视频免费看| 18禁裸乳无遮挡免费网站照片| 日本午夜av视频| 免费看不卡的av| 国产精品嫩草影院av在线观看| 国产伦精品一区二区三区视频9|