基于YOLOv5-SEDC模型的煤矸分割識別方法

摘要： 現(xiàn)有煤矸分割識別技術(shù)參數(shù)量大、分類速度慢和識別準(zhǔn)確度不高;YOLOv5-seg模型在上下采樣操作中易造成圖像表面的紋理細節(jié)和灰度特征信息丟失,降低煤矸識別效率,且在訓(xùn)練過程中過分側(cè)重全局特征,而忽略了對煤矸識別至關(guān)重要的局部顯著區(qū)域和特征。針對上述問題,提出了一種基于YOLOv5-SEDC模型的煤矸分割識別方法。首先接收包含煤矸形狀信息的圖像,并利用主干網(wǎng)絡(luò)進行特征提取,生成特...