期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到336篇文章
< 1 2 … 17 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合GhostNet的YOLOv4轻量化网络设计与实现 被引量：1
1
作者 石博雅 董学峰 《小型微型计算机系统》 CSCD 北大核心 2024年第3期651-656,共6页
由于存储资源和功耗等限制,在嵌入式设备上部署基于深度学习的目标检测算法存在困难,且效果不佳.基于YOLOv4算法,提出了一种改进的YOLOv4-Light轻量化网络模型,采用GhostNet网络结构替换CSPDarknet53作为主干提取网络,引入CBAM注意力机... 由于存储资源和功耗等限制,在嵌入式设备上部署基于深度学习的目标检测算法存在困难,且效果不佳.基于YOLOv4算法,提出了一种改进的YOLOv4-Light轻量化网络模型,采用GhostNet网络结构替换CSPDarknet53作为主干提取网络,引入CBAM注意力机制关注通道和空间两个维度的特征信息,并利用感知量化方法对权重进行INT8量化处理,在保证精度的情况下降低网络模型规模和参数量.在PC端和NVIDIA Jetson Xavier NX上选用VisDrone无人机数据集分别对网络模型进行测试,结果表明YOLOv4-GhostNet-CBAM模型的尺寸是160M,比YOLOv4降低了34.43%;检测速率最高可达到34.6FPS,比YOLOv4提高了56.6%.YOLO-Light模型的尺寸是40.2M,比YOLOv4降低了83.5%;检测速率最高可达到78.6FPS,为YOLOv4的3.6倍,且交并比为0.5时的平均精度均值(mAP50)与YOLOv4相比仅下降了3%.YOLO-Light模型相较于原模型优势明显,能够在低功耗的嵌入式设备上完成实时目标检测. 展开更多
关键词 目标检测 YOLOv4 轻量化网络 嵌入式设备 INT8量化
下载PDF
面向石墨电极标签识别的轻量化网络LGSNet
2
作者 梁倩 刘名果 +3 位作者 王亮 陈立家 赵翔宇 白埔州 《电脑与信息技术》 2024年第1期86-89,共4页
轻量化网络已成为面向工业场景部署的关键技术。为进一步提升Ghost module的特征提取能力并减少参数量,提出了一种改进的S-Ghost瓶颈模块(Small Ghost Bottleneck)。此瓶颈模块采用1×1卷积通道与Ghost module并联的结构,缩减Ghost ... 轻量化网络已成为面向工业场景部署的关键技术。为进一步提升Ghost module的特征提取能力并减少参数量,提出了一种改进的S-Ghost瓶颈模块(Small Ghost Bottleneck)。此瓶颈模块采用1×1卷积通道与Ghost module并联的结构,缩减Ghost module的通道数以压缩参数量,并用与之并联的1×1卷积进行通道扩充;在模块输出端引入通道混洗(Channel Shuffle)操作以保证通道间信息交互。实验结果表明,利用该瓶颈结构设计的图像分类网络LGSNet (Light Ghost Networks,LGSNet),其计算量和参数量显著降低,同时网络精度与推理速度未受影响,甚至在一些测试中取得最优,此网络设计满足工业需求。这为面向工业场景的轻量化网络架构设计提供了新的解决方案和思路。 展开更多
关键词 石墨电极 轻量化网络 Ghost module S-Ghost LGSNet
下载PDF
基于轻量化网络的海底垃圾检测算法SLD-Net
3
作者 周华平 汪佳伟 《湖北理工学院学报》 2024年第1期41-46,共6页
设计了一种轻量级的两阶段海洋垃圾检测算法SLD-Net(Seabed Litter Detection Network)。一方面,在预处理阶段构建了一个由颜色转换子模块和图像去噪子模块组成的图像增强模块MDIE,提高了图像质量;另一方面,采用轻量化的MobilenetV2作... 设计了一种轻量级的两阶段海洋垃圾检测算法SLD-Net(Seabed Litter Detection Network)。一方面,在预处理阶段构建了一个由颜色转换子模块和图像去噪子模块组成的图像增强模块MDIE,提高了图像质量;另一方面,采用轻量化的MobilenetV2作为目标检测的骨干网络,并引入一种改进的双路FPN结构,对深层特征图进行增强,提高对小目标的检测能力。经图像增强和目标检测网络联合训练后,进一步提升了模型的精度。在J-EDI海洋垃圾数据集上进行实验验证,mAP和速度分别达到了94.5%和65 FPS,且模型参数量仅有5.4 M,表明SLD-Net算法在精度、速度和参数量上达到了很好的效果。 展开更多
关键词 神经网络 海底垃圾检测 轻量化网络 图像增强
下载PDF
基于轻量化网络的车载雷达目标分类方法 被引量：1
4
作者 李家强 任梦豪 +1 位作者 危雨萱 陈金立 《雷达科学与技术》 北大核心 2023年第6期597-604,612,共9页
针对现有车载毫米波雷达目标分类方法存在静止杂波干扰和网络模型复杂度高的问题,本文将Ghost模块和MobileNet相结合设计了G⁃MobileNet轻量化神经网络,并提出了一套完整的车载毫米波雷达目标分类流程。首先对雷达原始AD采样信号进行向... 针对现有车载毫米波雷达目标分类方法存在静止杂波干扰和网络模型复杂度高的问题,本文将Ghost模块和MobileNet相结合设计了G⁃MobileNet轻量化神经网络,并提出了一套完整的车载毫米波雷达目标分类流程。首先对雷达原始AD采样信号进行向量均值相消处理,滤除静止杂波,再进行二维快速傅里叶变换(FFT)得到目标的距离⁃多普勒(RD)图像,最后使用G⁃MobileNet对RD图像特征进行提取及分类得到分类结果。实测数据处理结果表明,所提方法能够消除静止杂波对多普勒特征产生的干扰,且分类网络模型复杂度低,在具有较高的分类准确率的同时节省了网络模型储存空间和运行网络所需内存。 展开更多
关键词 毫米波雷达 目标分类 向量均值相消 距离⁃多普勒图像 轻量化网络
下载PDF
基于轻量化网络和知识蒸馏的回转窑工况识别
5
作者 王欣 邓章俊 秦斌 《电子测量与仪器学报》 CSCD 北大核心 2023年第9期149-159,共11页
回转窑烧成带图像蕴含丰富火焰信息,准确识别燃烧状态是回转窑优化控制的前提,基于卷积神经网络的方法可以快速识别回转窑工况,提高回转窑自动化水平,但存在网络规模大,所需计算资源多的问题,为此提出了一种基于轻量化网络和知识蒸馏的... 回转窑烧成带图像蕴含丰富火焰信息,准确识别燃烧状态是回转窑优化控制的前提,基于卷积神经网络的方法可以快速识别回转窑工况,提高回转窑自动化水平,但存在网络规模大,所需计算资源多的问题,为此提出了一种基于轻量化网络和知识蒸馏的回转窑工况识别方法,在网络卷积层后引入协方差池化层改进教师模型和学生模型,以改进的轻量化网络MobilenetV2作为学生模型的主干网络,以改进的Resnet50作为教师模型的主干网络,通过构建混合蒸馏损失函数,将教师模型蕴含的丰富分类标签信息迁移到学生模型中,并将蒸馏训练得到的学生模型作为回转窑工况识别模型,以提高网络对高相似火焰图像的识别精度。实验结果表明,经蒸馏后的学生模型总体识别准确率相较于原始模型提高了3.33%,对测试集中3种工况的识别率分别达到了93%、99%、90%,准确率和模型规模均优于目前其他主流网络模型,满足实际生产中实时、低成本要求。 展开更多
关键词 回转窑 火焰图像 工况识别 卷积神经网络 轻量化网络 知识蒸馏
原文传递
基于改进轻量化网络MobileNeXt的苹果叶片病害识别方法 被引量：1
6
作者 刘小玲 崔艳荣 《江苏农业科学》 北大核心 2023年第10期185-193,共9页
针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的问题,提出了一种改进轻量化网络MobileNeXt的苹果叶片病害识别方法。首先收集了4类常见苹果叶片病害图像样本,每类由简单背景图像与复杂背景图像混合,通过多种数据增强方式对... 针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的问题,提出了一种改进轻量化网络MobileNeXt的苹果叶片病害识别方法。首先收集了4类常见苹果叶片病害图像样本,每类由简单背景图像与复杂背景图像混合,通过多种数据增强方式对图像进行处理,以增加样本多样性,提高模型的泛化能力。接着基于轻量化网络MobileNeXt中的sandglass结构,引入协调注意力机制CA分配权重,以区分目标与背景,同时结合Inception模块与Ghost模块,设计了2种SCI(Sandglass-CA-Inception)结构,在参数增加量尽可能小的前提下,扩充网络深度与宽度,增强模型对于背景复杂病害图像的特征学习能力。试验结果表明,改进后的模型相比于MobileNeXt,Top-1准确率提升了1.23百分点,平均精确率提升了1.18百分点,参数量只增加了0.62 M,为真实场景下的苹果叶片病害识别提供了一种有效的解决方案。 展开更多
关键词 苹果病害识别 轻量化网络 MobileNeXt sandglass 协调注意力机制 INCEPTION GHOST
下载PDF
识别安全帽佩戴的轻量化网络模型
7
作者 胡文骏 杨莉琼 +1 位作者 肖宇峰 何宏森 《计算机工程与应用》 CSCD 北大核心 2023年第13期149-155,共7页
安全帽佩戴识别是一种分类少的目标检测任务,使用现有精度较高的大型深度学习网络模型来识别安全帽佩戴,存在参数冗余问题且计算较大,不利于部署在计算量有限的嵌入式设备中以适应实际的工地环境。针对以上问题,提出了一种适合部署在嵌... 安全帽佩戴识别是一种分类少的目标检测任务,使用现有精度较高的大型深度学习网络模型来识别安全帽佩戴,存在参数冗余问题且计算较大,不利于部署在计算量有限的嵌入式设备中以适应实际的工地环境。针对以上问题,提出了一种适合部署在嵌入式设备中的轻量化网络模型YOLO-Ghost-BiFPNs3。在YOLOv4的基础上,基于Ghost模块重构新的网络结构并对网络的深度和宽度进行裁剪;设计一种基于通道加权相加的轻量化模块BiFPNs3来替换原来计算量较大的FPN+PAN的结构;采用更容易量化的H-Swish激活函数;在Safety-Helmet-Wearing-Dataset数据集上进行实验,在测试集上,mAP@0.5为91.1%,相较于YOLOv4精度仅损失1个百分点,比轻量化网络模型YOLOv4-Tiny精度高26个百分点。参数量为原来YOLOv4的3%,计算量仅为原来YOLOv4的5.8%。 展开更多
关键词 目标检测 轻量化网络模型 安全帽佩戴识别 Ghost模块
下载PDF
岩石岩性轻量化网络识别方法及其隧道工程应用
8
作者 凌同华 陈梓浓 +2 位作者 张胜 阳标 张亮 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第9期3604-3615,共12页
在隧道工程地质勘察中,需要对岩石岩性进行判断和识别,以便开展工程岩体定量分析及工程地质安全评价。鉴于目前岩石岩性识别过程中存在主观性强、周期性长等问题,结合岩石表面岩性特征信息,提出基于MobileNetV3轻量化网络模型的岩石岩... 在隧道工程地质勘察中,需要对岩石岩性进行判断和识别,以便开展工程岩体定量分析及工程地质安全评价。鉴于目前岩石岩性识别过程中存在主观性强、周期性长等问题,结合岩石表面岩性特征信息,提出基于MobileNetV3轻量化网络模型的岩石岩性快速识别方法。首先采集工程中常见的20类不同岩性的岩石图像样本并搭建图像数据集,通过构建MobileNetV3网络模型和迁移学习方法对岩石图像进行训练,获得MobileNetV3岩石岩性识别模型;然后,将MobileNetV3岩性识别模型与EfficientNet-B0,Xception和Inception-ResNet-v2网络模型的岩性识别结果进行对比,从而评估其训练效果。此外,采用MobileNet网络替换SSD模型的主干特征提取网络,构建轻量化MobileNet-SSD目标检测模型对岩石图像进行检测与识别。结果表明,MobileNetV3网络模型识别岩石岩性的准确率为98.2%,模型大小仅为12 MB,对测试集上单张图像从输入到输出识别结果的平均时间为812 ms;与其他模型相比,该模型在识别精度、模型大小和识别时间上,都具有一定优势;通过MobileNet-SSD目标检测模型,可以实现对岩石目标的定位以及多种岩石同时识别。将MobileNetV3网络模型应用于隧道掌子面岩石岩性识别中,对不同岩性以及同一岩性不同完整程度的隧道掌子面岩石,模型有较好的识别效果。本研究成果有助于提高卷积神经网络模型的可移植性以及隧道工程离线环境下岩石岩性的快速准确识别。 展开更多
关键词 隧道工程 岩性识别模型 轻量化网络 岩石岩性 目标检测
下载PDF
基于YOLOv5的草莓轻量化网络检测模型 被引量：1
9
作者 杨世忠 王瑞彬 +1 位作者 高升 邵明伟 《国外电子测量技术》 北大核心 2023年第4期86-95,共10页
随着现代农业技术的发展,草莓生产和采摘的自动化是一个必然的趋势,而草莓目标检测是实现采摘自动化的关键环节。基于YOLOv5目标检测算法,采用ShuffleNet轻量级网络结构替代原模型的特征提取网络,并在骨干网络提取的特征图后加入SE通道... 随着现代农业技术的发展,草莓生产和采摘的自动化是一个必然的趋势,而草莓目标检测是实现采摘自动化的关键环节。基于YOLOv5目标检测算法,采用ShuffleNet轻量级网络结构替代原模型的特征提取网络,并在骨干网络提取的特征图后加入SE通道方向的注意力机制,结合EIoU和Alpha-IoU损失函数,设计了一个α-EIoU损失函数,给定参数α的值为3,统一指数化IoU损失函数,据此获得更准确的边界框回归和目标检测。改进的模型在草莓小目标数据集上平均检测精度均值达到了97.6%,其中成熟草莓的准确率为99.4%,与YOLOv3、YOLOv4和YOLOv5相比,平均精度均值(mAP)分别提高了5.4%、2.9%和1.1%,该模型识别图像传输帧率为125 fps,比原YOLOv5模型提升了38 fps,该实验模型更适应于移动端部署,为草莓采摘识别的自动化提供了一些理论基础。 展开更多
关键词 目标检测 YOLOv5 轻量化网络模型 草莓识别 损失函数
原文传递
基于轻量化网络的干扰信号智能识别算法
10
作者 胡婉婉 张劲东 +1 位作者 张瑞 王娜 《雷达科学与技术》 北大核心 2023年第2期133-142,150,共11页
针对干扰信号识别时卷积神经网络模型体积大、训练周期长、对硬件存储和计算要求高等问题,本文提出了一种基于改进轻量级网络模型SqueezeNet的干扰信号智能识别算法。该方法首先利用距离多普勒(Range⁃Doppler,RD)处理获得目标及干扰信号... 针对干扰信号识别时卷积神经网络模型体积大、训练周期长、对硬件存储和计算要求高等问题,本文提出了一种基于改进轻量级网络模型SqueezeNet的干扰信号智能识别算法。该方法首先利用距离多普勒(Range⁃Doppler,RD)处理获得目标及干扰信号的RD图像,接着采用滑窗变换、归一化等技术对RD图像进行重塑;然后采用基于RD信息尺寸的隐层和通道剪枝措施对SqueezeNet网络进行改进,缩小了模型尺寸和存储空间;最后利用不同参数的测试样本拓展网络模型的泛化性能。仿真实验表明,在参数量减少到原网络1/30的情况下,改进的SqueezeNet网络对每种干扰的识别正确率可达到95%以上,且训练时间大大减少。 展开更多
关键词 干扰识别 距离多普勒图像 轻量化网络 参数压缩
下载PDF
面向空间认知通信的轻量化网络自动调制分类方法
11
作者 崔天舒 王栋 黄振 《系统工程与电子技术》 EI CSCD 北大核心 2023年第7期2220-2226,共7页
当前自动调制分类采用的深度学习模型存在参数量与计算量大的问题。根据连续采样同相正交信号特点,提出了一种轻量且高效的深度网络结构。通过构造方向滤波器,首先提取相位特征,再提取时域特征,最后利用通道特征均值分类。采用通信信号... 当前自动调制分类采用的深度学习模型存在参数量与计算量大的问题。根据连续采样同相正交信号特点,提出了一种轻量且高效的深度网络结构。通过构造方向滤波器,首先提取相位特征,再提取时域特征,最后利用通道特征均值分类。采用通信信号分类数据集进行验证,当信噪比大于0 dB时,准确率超过60%,信噪比大于等于10 dB时,准确率超过90%;与主流深度模型相比,在达到相同准确率时,仅用20%左右的模型参数和50%左右的推理时间,更适合被应用于空间认知通信系统。 展开更多
关键词 自动调制分类 深度学习 轻量化网络结构
下载PDF
基于快速下采样的轻量化网络设计方法及人脸识别应用
12
作者 王佳皓 徐树公 陆恒杰 《电子学报》 EI CAS CSCD 北大核心 2023年第8期2226-2237,共12页
高精度卷积神经网络推理成本往往较高,很难在资源受限的嵌入式设备上进行实时推理.本文通过分析不同类型卷积对模型推理速度的影响因素,首次指出除了模型计算量,模型的特征图输出量也是影响推理速度的一个关键因素.而现有基于深度分离... 高精度卷积神经网络推理成本往往较高,很难在资源受限的嵌入式设备上进行实时推理.本文通过分析不同类型卷积对模型推理速度的影响因素,首次指出除了模型计算量,模型的特征图输出量也是影响推理速度的一个关键因素.而现有基于深度分离卷积的轻量化方法仅把模型的计算量作为模型轻量化指标,并未考虑特征图输出量对模型推理速度的影响.根据该发现,本文结合标准卷积提出一种基于快速下采样的模型轻量化加速方法,通过快速减少特征图尺寸来同时减少模型计算量和特征图输出量.本文方法设计的轻量化模型的特征提取能力和不同平台的推理速度均优于现有的基于深度分离卷积的轻量化方法.更进一步地,本文利用该方法针对人脸识别任务提出一个快速人脸识别模型FDFaceNet.与现有的轻量化人脸识别模型相比,FDFaceNet准确率更高,在不同平台上的推理速度更快. 展开更多
关键词 轻量化网络模型设计 神经网络加速 轻量化人脸识别 人脸检测识别系统 嵌入式设备
下载PDF
基于双分支融合策略的遥感建筑物提取轻量化网络
13
作者 李贺鹏 张连蓬 《无线互联科技》 2023年第19期147-151,共5页
针对高分辨率遥感影像建筑物提取时带来的庞大参数与计算量的问题,文章提出了双分支策略融合的轻量化语义分割网络。网络包含全局特征信息提取分支和空间信息提取分支。双分支共享图像底层特征,全局特征信息提取分支连续利用mobileNetV... 针对高分辨率遥感影像建筑物提取时带来的庞大参数与计算量的问题,文章提出了双分支策略融合的轻量化语义分割网络。网络包含全局特征信息提取分支和空间信息提取分支。双分支共享图像底层特征,全局特征信息提取分支连续利用mobileNetV2中的反向瓶颈残差块结构提取特征,并利用空洞空间金字塔池化模块融合多尺度特征;空间信息提取分支添加卷积块注意力模块,更关注待分割区域的细节特征,实现精细化特征融合。最后将双分支特征融合,利用双线性插值上采样恢复图像大小。将文章模型在WHU建筑物影像数据集上进行实验,正确提取建筑物准确度可达92.09%,IoU达86.28%,模型参数大小仅为1.19 M,保证了建筑物提取精度的同时达到了轻量化预期。 展开更多
关键词 遥感图像 轻量化网络 建筑物提取 特征融合 双分支结构
下载PDF
基于轻量化网络和知识蒸馏的纱线状态检测
14
作者 任国栋 屠佳佳 +2 位作者 李杨 邱子安 史伟民 《纺织学报》 EI CAS CSCD 北大核心 2023年第9期205-212,共8页
为准确识别导纱管内纱线数量与种类,保证纱线打结有序进行,提出一种基于卷积神经网络的纱线分类方法。首先,将采集到的3500张图片分为训练集2800张和测试集700张,再从训练集中划出560张作为验证集;其次采用叠加深度可分离卷积构建轻量... 为准确识别导纱管内纱线数量与种类,保证纱线打结有序进行,提出一种基于卷积神经网络的纱线分类方法。首先,将采集到的3500张图片分为训练集2800张和测试集700张,再从训练集中划出560张作为验证集;其次采用叠加深度可分离卷积构建轻量化的自搭建学生网络。为克服学生网络准确率低、泛化性能弱等缺陷,采用迁移学习与知识蒸馏的组合训练方式对自搭建网络进行训练,将最终训练得到的学生网络权重进行移动端部署应用。实验结果表明:在PC端上对自搭建学生网络采取组合训练方式有效,在移动端上单根纱线识别概率在70%以上、双根纱线为80%以且纱线检测平均准确率达98.86%。为针织行业有关纱线的检测与识别提供了新思路。 展开更多
关键词 纱线状态识别 轻量化神经网络 知识蒸馏 迁移学习 模型部署 针织
下载PDF
融合注意力机制与轻量化网络的桥梁裂缝分类
15
作者 庄永强 《福建工程学院学报》 CAS 2023年第4期327-331,共5页
提出一种基于注意力机制融合轻量化网络的桥梁裂缝图像分类方法。以轻量化卷积神经网络为理论基础分类识别桥梁裂缝图像,并在轻量化网络中加入注意力机制以解决网络无法自主关注所感兴趣区域的问题。根据桥梁图像中裂缝所占比例较小且... 提出一种基于注意力机制融合轻量化网络的桥梁裂缝图像分类方法。以轻量化卷积神经网络为理论基础分类识别桥梁裂缝图像,并在轻量化网络中加入注意力机制以解决网络无法自主关注所感兴趣区域的问题。根据桥梁图像中裂缝所占比例较小且边缘突出的特点,选用适合于识别桥梁裂缝的注意力机制——CBAM(convolutional block attention module),并将其嵌入轻量化卷积神经网络EfficientNetv2中,建立CBAM-EfficientNetv2模型。实验结果表明:CBAM-EfficientNetv2模型与VGG16、ResNet34等常用深度学习模型对比,可获得最优的桥梁裂缝图像分类效果,其分类识别准确率达到95.64%。 展开更多
关键词 桥梁裂缝检测 轻量化卷积神经网络 注意力机制 CBAM
下载PDF
基于轻量化网络的陶瓷辊道窑火焰图像识别方法
16
作者 朱永红 杨荣杰 段明明 《中国陶瓷工业》 CAS 2023年第3期1-8,共8页
针对热电偶在陶瓷辊道窑高温环境下容易腐蚀老化,导致其温度检测精度下降的问题,提出采用计算机视觉火焰检测代替热电偶的陶瓷辊道窑温度智能检测方法。该方法是一种基于新型轻量化卷积神经网络,通过减少网络深度,以及采用大卷积核的设... 针对热电偶在陶瓷辊道窑高温环境下容易腐蚀老化,导致其温度检测精度下降的问题,提出采用计算机视觉火焰检测代替热电偶的陶瓷辊道窑温度智能检测方法。该方法是一种基于新型轻量化卷积神经网络,通过减少网络深度,以及采用大卷积核的设计,避免模型的过拟合现象,减少了模型的复杂度和推算时间,使模型实现了检测准确性的提升。实验结果表明:该新型轻量化卷积神经网络相比原始MobelinetV2模型,识别特征平均准确率提升了4.58%、平均相对误差减少了0.0918%、运算时间减少了41.89%。显然,该新型网络模型使运算速度和分类性能大大提高。 展开更多
关键词 陶瓷辊道窑 轻量化卷积神经网络 火焰图像识别 温度检测
下载PDF
基于轻量化网络的眼部特征分割方法
17
作者 郑戍华 南若愚 +2 位作者 李守翔 王向周 陈梦心 《北京理工大学学报》 CSCD 北大核心 2021年第9期970-976,共7页
针对高分辨率眼部图像的瞳孔、虹膜特征快速识别与检测问题,提出了一种轻量化语义分割网络DIA-UNet(double input attention UNet).它采用对称双编码结构同步获取眼部灰度图及其轮廓图特征,并通过双注意力机制实现了解码端的特征筛选,... 针对高分辨率眼部图像的瞳孔、虹膜特征快速识别与检测问题,提出了一种轻量化语义分割网络DIA-UNet(double input attention UNet).它采用对称双编码结构同步获取眼部灰度图及其轮廓图特征,并通过双注意力机制实现了解码端的特征筛选,将深层融合特征作为语义分割输出.在CASIA-Iris-Interval和高分辨率瞳孔数据集上测试结果表明,与其他轻量化语义分割网络相比,本文提出的DIA-UNet在保证虹膜、瞳孔分割准确率的同时网络参数个数仅有0.076 Million,处理速度高达123.5 FPS. 展开更多
关键词 语义分割 双输入结构 注意力机制 轻量化网络 眼部特征
下载PDF
融合深度扩张网络和轻量化网络的目标检测模型 被引量：20
18
作者 权宇 李志欣 +1 位作者 张灿龙 马慧芳 《电子学报》 EI CAS CSCD 北大核心 2020年第2期390-397,共8页
目标检测作为计算机视觉的一个重要研究方向,近年来在算法性能上有了突破性进展.为了更好的提升两阶段目标检测的精度与速度性能,提出了一种基于迁移学习方法的融合深度扩张卷积网络和轻量化网络的检测模型.首先用扩张卷积网络替换主干... 目标检测作为计算机视觉的一个重要研究方向,近年来在算法性能上有了突破性进展.为了更好的提升两阶段目标检测的精度与速度性能,提出了一种基于迁移学习方法的融合深度扩张卷积网络和轻量化网络的检测模型.首先用扩张卷积网络替换主干网络中部分的卷积残差模块——深度扩张卷积网络D_dNet-65;然后对预训练后的特征图进行压缩操作,并增加一个81类的全连接层以确保正常进行分类和回归操作——轻量化网络结构;最后,引入迁移学习方法并融合D_dNet和轻量化网络结构,通过迁移实现模型的进一步优化.实验在典型的数据集MSCOCO以及VOC07上进行.实验评估表明,本文提出的方法具有良好的有效性和可扩展性. 展开更多
关键词 图像目标检测 迁移学习 扩张卷积网络 轻量化网络 卷积神经网络
下载PDF
基于轻量化网络的光学遥感图像飞机目标检测 被引量：15
19
作者 唐玮 赵保军 龙腾 《信号处理》 CSCD 北大核心 2019年第5期768-774,共7页
光学遥感图像飞机检测是遥感分析的重要研究方向。现有检测方法难以达到满意的效果,传统检测方法由于手工特征建模困难,易受背景干扰,导致其鲁棒性普遍偏低;而以复杂度提升为代价来提高检测性能的深度学习目标检测方法无法在资源受限下... 光学遥感图像飞机检测是遥感分析的重要研究方向。现有检测方法难以达到满意的效果,传统检测方法由于手工特征建模困难,易受背景干扰,导致其鲁棒性普遍偏低;而以复杂度提升为代价来提高检测性能的深度学习目标检测方法无法在资源受限下的星载平台得到广泛应用。针对上述问题,本论文提出一种具有轻量化多尺度特点的深度学习飞机目标检测方法。在多尺度目标检测框架(SSD)基础上,利用密集连接结构和双卷积通道构成具有特征重复利用、计算效率高等特点的基础骨干网络,之后连接一个由残差模块和反卷积构成的多尺度特征融合检测模块,以提高飞机小目标的检测性能。实验结果表明,在多种复杂机场场景中,本文的方法与当前经典的深度学习目标方法相比,在保持较高目标检测精度的同时,又能具有较低的计算复杂度。 展开更多
关键词 星载平台 飞机小目标检测 轻量化网络
下载PDF
基于轻量化网络的遥感影像铁路沿线地物检测方法 被引量：3
20
作者 韩淑梅 王阳萍 +3 位作者 于坤 杨景玉 张占平 任鹏百 《兰州交通大学学报》 CAS 2022年第5期42-51,80,共11页
针对无人机搜索和识别目标依赖于目标检测算法的快速性和准确性,以及经典目标检测算法模型结构复杂、计算性能要求高,难以满足移动或嵌入式目标检测任务中的实时性需求问题,提出一种轻量级模型YOLOv4-UAV用于铁路沿线地物目标快速精准检... 针对无人机搜索和识别目标依赖于目标检测算法的快速性和准确性,以及经典目标检测算法模型结构复杂、计算性能要求高,难以满足移动或嵌入式目标检测任务中的实时性需求问题,提出一种轻量级模型YOLOv4-UAV用于铁路沿线地物目标快速精准检测.该模型首先以YOLOv4为基础结构,引入轻量级MobileNetv3网络作为模型的特征提取网络以降低模型大小,从而提高检测速度;然后,在网络预测结果输出之前引入通道空间注意力机制以提高模型特征提取能力,提高网络性能;最后,提出一种基于差分进化的最优锚配置算法,以平衡所有地物目标类别的检测精度.实验结果表明:该方法有效降低了模型大小,同时提高了地物目标检测精度,能够运行于移动、嵌入式设备. 展开更多
关键词 地物检测 遥感影像 铁路沿线 轻量化网络 YOLOv4
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 17 下一页 到第 页
使用帮助 返回顶部