论文部分内容阅读
针对目前基于深度学习方法对煤和矸石识别研究中所存在的数据使用效率低,泛化能力差等问题,本文提出采用交叉验证的方法来提升研究目标对象数据的利用效率,并对训练集数据添加人工噪声,从而提升深度模型的泛化能力。另外在训练过程中以验证集ROC提前终止训练的依据,可以兼顾实际生产中对煤和矸石识别的查准率和召回率的要求,同时加速网络的训练过程。最后在测试集进行模型预测时采用TTA(Test Time Augmentation)方法提升模型预测结果的稳定性,并采用集成学习的方法将多个深度计算模型的预测结果进行融合,