相关实验视频
Updated: May 23, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
8.9K
一个大规模的开放图像数据集,用于深度学习的智能分类和分析原煤
Ziqi Lv1,2, Yuhan Fan3,4, Te Sha5
1School of Chemical & Environmental Engineering, China University of Mining & Technology (Beijing), Beijing, 100083, P. R. China. lvziqi@cumtb.edu.cn.
Scientific data
|March 8, 2025
概括
本研究介绍了DSCGF,这是一个大规模的原煤图像数据集,对推动中国智能煤炭分类至关重要. 该数据集支持深度学习模型,用于准确识别煤,和异物.
科学领域:
- 能源科学 能源科学
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
背景情况:
- 中国的能源转型强调为实现碳目标而对原煤进行智能分类.
- 深度学习的进步对于智能煤炭制备至关重要.
- 缺乏准确,大规模的数据阻碍了中国智能煤炭分拣的进展.
研究的目的:
- 引入DsCGF,一个大规模的,开源的原煤图像数据集.
- 解决智能煤制备中的数据稀缺问题.
- 促进使用计算机视觉进行智能原煤分类的研究.
主要方法:
- 五年来,系统地收集和精心注释原煤图像.
- 从中国三个代表性矿山地区创建数据集.
- 对于煤,和异物,多层次的注释,支持分类,检测和细分任务.
主要成果:
- 开发DsCGF,一个包含超过27万张可见光图像的数据集.
- 煤炭,和外来物体的多层次注释.
- 为图像分类,对象检测和实例细分而设计的数据集.
结论:
- DsCGF数据集有效地支持智能原煤分拣的研究.
- 这种资源对于推进煤炭制备中的深度学习应用至关重要.
- 通过提高煤炭分类精度,DSCGF为中国的能源转型目标做出了贡献.
