融合交叉熵损失的3DCNN探水作业动作识别

摘要：

为解决矿井探水作业中人工验收效率低、耗时长等问题,提出一种融合交叉熵损失函数的3 DCNN探水作业动作识别模型.使用ReLU非线性化函数和SoftMax交叉熵损失函数,将隐含的特征数据判断分类别后再进行学习,得到较为丰富的批次网络信息图;将批量归一化操作引入到网络结构中,弥补网络模型收敛速率慢的不足,提高模型的泛化能力和鲁棒性,达到有效提高验收效率的目的.经过与其它网络模型对比,实验结果表明,该方法有效解决了人工验收低效率的问题,提高了动作识别的准确率.

关键词：煤矿水害防治、探水作业、图像处理、行为分类、深度学习、三维卷积神经网络

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：山西省应用基础研究计划基金项目;先进控制与装备智能化山西省重点实验室开放课题基金项目

在线出版日期：2022-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1160-1165