TY - Jour A2 - Han，Chunjia Au - Huang，Zhijian Au - Li，Fangmin Au - Luan，西重Au - Cai，Zuowei Py - 2020 DA - 2020/05/30 TI - 基于矿石泥土泥浆检测方法在深度主动学习中，SP - 3510313 VL - 2020 AB - 自动检测铝土矿矿石中的泥浆是重要的和有价值的，我们可以提高生产率并减少污染。然而，区分泥浆和矿石在真正的场景中是挑战它们的形状，颜色和纹理的相似性。此外，培训深度学习模型需要大量标记的样本，这昂贵且耗时。旨在挑战问题，本文提出了一种基于深度活跃学习（AL）的新型弱监督方法，名为Y​​OLO-AL。该方法使用YOLO-V3模型作为基本检测器，其在MS Coco DataSet上的预制权重初始化。然后，构建了AL框架嵌入式的YOLO-V3模型。在AL过程中，它迭代地用最有价值的样品透视yolo-v3模型的最后几层，这些样本由不太自信的（LC）策略选择。实验结果表明，该方法可以有效地检测矿石中的泥浆。更重要的是，所提出的方法可以明显减少标记的样品而不降低检测精度。 SN - 1024-123X UR - https://doi.org/10.1155/2020/3510313 DO - 10.1155/2020/3510313 JF - Mathematical Problems in Engineering PB - Hindawi KW - ER -