摘要: 䗴化石是石炭纪、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.鉴于目前䗴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䗴类化石检测.以䗴类化石为研究对象,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䗴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䗴类化石的检测效果,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: 䗴类化石 / 深度学习 / 目标检测 / 石炭系‒二叠系 / 知识蒸馏 / 地层学
'/%3e%3cuse xlink:href='%23a' transform='rotate(23.036 .093 25.536)'/%3e%3cuse xlink:href='%23a' transform='rotate(45.87 1.273 16.18)'/%3e%3cuse xlink:href='%23a' transform='rotate(69.945 .996 12.078)'/%3e%3cuse xlink:href='%23a' transform='rotate(20.66 -19.689 31.932)'/%3e%3c/svg%3e)
'/%3e%3c/g%3e%3cuse xlink:href='%23d' x='45.714'/%3e%3cuse xlink:href='%23e' transform='matrix(-1 0 0 1 479.792 0)'/%3e%3cg id='f' fill='%23fff'%3e%3cpath fill='%23039' d='M232.636 202.406v.005c0 2.212.85 4.227 2.212 5.69 1.365 1.466 3.245 2.377 5.302 2.377 2.067 0 3.944-.905 5.303-2.365 1.358-1.459 2.202-3.472 2.202-5.693v-10.768l-14.992-.013-.028 10.766'/%3e%3ccircle cx='236.074' cy='195.735' r='1.486'/%3e%3ccircle cx='244.392' cy='195.742' r='1.486'/%3e%3ccircle cx='240.225' cy='199.735' r='1.486'/%3e%3ccircle cx='236.074' cy='203.916' r='1.486'/%3e%3ccircle cx='244.383' cy='203.905' r='1.486'/%3e%3c/g%3e%3cuse xlink:href='%23f' y='-26.016'/%3e%3cuse xlink:href='%23f' x='-20.799'/%3e%3cuse xlink:href='%23f' x='20.745'/%3e%3cuse xlink:href='%23f' y='25.784'/%3e%3c/svg%3e)
