| 基于深度学习单阶段算法的?类化石检测 |
| |
| 引用本文： | 奚园园,王永茂,芦碧波,邢智峰,侯广顺.基于深度学习单阶段算法的?类化石检测[J].地球科学,2024(3):1154-1164. |
| |
| 作者姓名： | 奚园园 王永茂 芦碧波 邢智峰 侯广顺 |
| |
| 作者单位： | 1. 河南理工大学计算机科学与技术学院;2. 河南理工大学资源环境学院 |
| |
| 基金项目： | 国家自然科学基金项目(Nos.41871333,41773024)；;河南理工大学博士基金资助项目(No.B2014-043)；;河南省高等学校重点科研项目(No.21A520016)；;河南省高校国家级大学生创新创业训练计划项目(No.202110460078)； |
| |
| 摘 要： | 化石是石炭纪、二叠纪重要的标准化石，其详细的鉴定工作对确定地质时代和划分石炭系-二叠系具有重要意义.鉴于目前?类化石检测方法的局限性，提出一种基于深度学习单阶段算法的?类化石检测.以?类化石为研究对象，对原始模型进行分析，之后联合优化权重损失函数和BN层尺度因子的L1正则化等方式进行通道剪枝，再使用知识蒸馏使剪枝后模型恢复检测性能.实验结果表明，该方法可实现薄片图像中?类所在区域的定位和分类，平均精度均值达到98.1%，满足实时检测模型的要求，并且剪枝后参数量压缩了74.1%，解决了真实场景中存在的算力缺乏等问题.该方法能够有效保证?类化石的检测效果，同时扩展了该模型在嵌入式设备的适用范围，为深度学习在古生物化石图像的智能识别方面提供更多可能性.
|
| 关 键 词： | ?类化石 深度学习 目标检测 石炭系-二叠系 知识蒸馏 地层学 |
|
|
