基于轻量级CNN的井下视觉识别策略

摘要

传统机器视觉对于井下巷道场景识别精度偏低,而深度学习网络往往参数巨大,文章提出一种基于轻量级卷积神经网络(convolutional neural networks,CNN)的井下视觉识别策略。首先利用基于回归方法的Light SSD(Single Shot MultiBox Detector)模型检测大类物体,然后利用卷积神经网络识别小类目标,最后将网络进行压缩移植到嵌入式平台。实验结果表明,该文方法相比已有典型网络,井下场景检测准确率提高了20%,在准确率基本不变的情况下,检测速度提高了1倍,目标识别网络模型参数减小近50倍,更适合嵌入式终端的应用。