10.3969/j.issn.1673-9957.2023.16.003
基于改进U-NET模型的煤岩图像识别算法研究
针对当前掘进机工作面中煤岩识别精度较低所带来的问题,该文提出了一种基于U-NET网络的循环卷积式神经网络RU-NET,融合U-NET网络和循环卷积算法各自的技术优势,利用循环卷积层进行特征积累并在下采样过程中加入卷积注意力机制.采用深度学习算法训练模型,用改进后的网络模型对数据集进行识别,测试RU-NET的特征分割的准确率和交并比.结果显示,识别准确度提高,煤岩识别的性能得到了改善.
煤岩识别、深度学习、循环卷积、注意力机制
TP391;TD821(计算技术、计算机技术)
2023-10-07(万方平台首次上网日期,不代表论文的发表时间)
共3页
6-8