基于损失函数优化的巷道人体识别算法  

作　　者：裴宇轩 宋超凡 曾日桓 张国英[1] 

机构地区：[1]中国矿业大学(北京)机电学院

出　　处：《数字技术与应用》2021年第12期36-38,共3页Digital Technology & Application

摘　　要：为了解决巷道及煤矿工作面人体目标检测的准确和实时问题,本文设计一种基于预测目标损失优化的YOLOv3网络模型。实验结果表明,基于损失函数优化的网络模型的矿下人体识别方法,损失显著下降,误检下降,漏检得到改善。0引言煤矿巷道及工作面环境复杂,存在着一定的危险性。对煤矿巷道及工作面工作人员实时准确识别,是降低煤矿伤亡事故的基础。深度学习方法模拟人类大脑的神经元,直接从图像提取特征,逐层传递,获得图像的高维信息[1-2].

关 键 词：网络模型 图像提取 函数优化 深度学习 识别算法 人类大脑 伤亡事故 人体目标检测 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]