融合交叉熵损失的3DCNN探水作业动作识别

作     者：刘春霞 高强 潘理虎 龚大立 LIU Chun-xia;GAO Qiang;PAN Li-hu;GONG Da-li

作者机构：太原科技大学计算机科学与技术学院山西太原030024 精英数智科技股份有限公司山西太原030006 

基　　金：山西省应用基础研究计划基金项目(201901D111252) 先进控制与装备智能化山西省重点实验室开放课题基金项目(ACEI202002) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2022年第43卷第4期

页      码：1160-1165页

摘      要：为解决矿井探水作业中人工验收效率低、耗时长等问题,提出一种融合交叉熵损失函数的3DCNN探水作业动作识别模型。使用ReLU非线性化函数和SoftMax交叉熵损失函数,将隐含的特征数据判断分类别后再进行学习,得到较为丰富的批次网络信息图;将批量归一化操作引入到网络结构中,弥补网络模型收敛速率慢的不足,提高模型的泛化能力和鲁棒性,达到有效提高验收效率的目的。经过与其它网络模型对比,实验结果表明,该方法有效解决了人工验收低效率的问题,提高了动作识别的准确率。

主 题 词：煤矿水害防治 探水作业 图像处理 行为分类 深度学习 三维卷积神经网络 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2022.04.035

馆 藏 号：203110443...