吉林大学学报(信息科学版) ›› 2023, Vol. 41 ›› Issue (3): 450-458.
袁 硕1, 刘玉敏2, 安志伟1, 王硕昌1, 魏海军1
YUAN Shuo1, LIU Yumin2, AN Zhiwei1, WANG Shuochang1, WEI Haijun1
摘要: 由于基于传统深度学习的岩石图像识别算法模型比较繁琐, 而且应用于移动终端等需要一定的计算能力, 因此很难实现对岩石类型的实时准确判别。 为此, 以 ShuffleNetV2 网络为基础, 插入通道连接注意力机制ECA (Efficient Channel Attention)模块, 使用 Mish 激活函数代替 ReLU 活函数并引入轻量级网络部件中的深度可分离卷积。 将该方法用于岩石图像识别, 实验结果表明, 改进后的算法结构简单, 同时具有轻量化的特点, 其识别精度达到 94. 74% , 可在移动终端等有限资源环境下应用。
中图分类号: