基于ResNet网络层数的露天矿道路识别效果研究
田培忠
国能准能集团 哈尔乌素露天煤矿,内蒙古 鄂尔多斯 010300
摘要：为实现深度学习图像处理技术快速获取露天矿山路网信息,搭建了 Deeplabv3+与PSPNet 2 种典型网络模型框架,选取不同层数的ResNet为骨干网络构建起露天矿道路信息提取模型,通过框架模型横向对比和同框架下不同层数的ResNet纵向对比,研究了模型识别精度和速度与ResNet层数间的最优分配问题.结果表明:综合考虑模型训练时长与识别效果的前提下,Deeplabv3+网络框架对于图像边缘区域的识别存在道路信息丢失、无法识别或误差较大的问题,不宜应用于露天矿山道路信息的图像处理;PSPNet网络框架能够准确识别复杂矿区环境中的多类不同特征的道路,且骨干网络ResNet的层数保持在 50 层即可满足识别精度的同时保证识别速度与效率.
关键词：露天煤矿PSPNetDeeplabv3+骨干网络层数道路识别
分类号：TD672(矿山电工)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 59-64 )
英文信息