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4篇文章
< 1 >
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：
运动场景下小目标检测算法设计 被引量：1
1
作者 李亚飞 刘娜 +1 位作者 周惠 杨雷 《仪表技术》 2024年第3期1-6,共6页
在运动场景下移动端设备常常面临图像模糊、质量低下以及目标体积小等问题,导致目标误检或漏检的情况频繁出现。同时,现有的模型参数量较大,无法满足实时性的要求。针对这些问题提出了YOLOv5s-C算法模型。首先,在主干网络(Backbone)引... 在运动场景下移动端设备常常面临图像模糊、质量低下以及目标体积小等问题,导致目标误检或漏检的情况频繁出现。同时,现有的模型参数量较大,无法满足实时性的要求。针对这些问题提出了YOLOv5s-C算法模型。首先,在主干网络(Backbone)引入坐标注意力机制,以增强模型对细节相关的通道特征的感知,从而提高模型定位和识别目标的能力,尤其对于模糊图像和小目标。其次,在特征加强网络(Neck)采用混合卷积GSConv和加权双向特征金字塔网络Bi-FPN,以获取全局上下文和不同尺度的信息,进而增强模型在图像模糊情况下对小目标的检测能力。最后,引入EIoU Loss作为边框回归损失函数,以加快模型的收敛速度和提升模型的检测精度。检测结果表明:在公开COCO2017数据集中,YOLOv5s-C算法模型参数量比原模型减少了29%,mAP@0.5∶0.95提升了1.8%,mAP@0.5提升了2.3%,小目标的误检、漏检情况得到了显著减少;在批量大小为32的情况下,该模型的速度达到了190.3 f/s。YOLOv5s-C算法模型在运动场景下的小目标检测中展现出优异的表现和广阔的应用前景。 展开更多
关键词 模糊图像 小目标检测 坐标注意力机制 混合卷积
原文传递
面向图像语义分割任务的多级注意力蒸馏学习
2
作者 刘佳琦 杨璐 王龙志 《智能计算机与应用》 2021年第5期13-18,25,共7页
传统的蒸馏学习仅通过大网络对轻量网络进行单向蒸馏,不但难以从轻量网络的学习状态中得到反馈信息,对训练过程进行优化调整,同时还会限制轻量网络的特征表达能力。本文提出结合自身多级注意力上下文信息进行自我学习优化的方法(MAD,Mul... 传统的蒸馏学习仅通过大网络对轻量网络进行单向蒸馏,不但难以从轻量网络的学习状态中得到反馈信息,对训练过程进行优化调整,同时还会限制轻量网络的特征表达能力。本文提出结合自身多级注意力上下文信息进行自我学习优化的方法(MAD,Multi Attention Distillation),以自监督的方式使自身成熟的部分约束不成熟部分,即浅层可以从深层中提取有用的上下文信息,让浅层特征学习高层特征的表达,从而提升网络的整体表达能力。使用轻量级网络ERFNet、DeepLabV3在两个不同任务的数据集CULane、VOC上进行验证。实验结果表明,MAD可以在不增加推理时间的前提下,提升网络的特征提取能力,使ERFNet在CULane任务的F1-measure指标提升2.13,DeepLabV3在VOC任务的mIoU指标提升1.5。 展开更多
关键词 蒸馏学习 语义分割 注意力 卷积神经网络
下载PDF
无人驾驶车辆自动转向控制探究 被引量：1
3
作者 黄琦 黄珊 杨雷 《时代汽车》 2019年第21期13-14,共2页
现阶段,随着交通安全问题日益严重,人们对于智能车辆技术的重视度越来越高。虽然目前拥有ESP、ABS等主动安全技术,能够实现车辆驾驶安全性的提升,但是还没有真正改变以往的驾驶模式,无法从根本上杜绝安全隐患。所以,本文将重点放置在无... 现阶段,随着交通安全问题日益严重,人们对于智能车辆技术的重视度越来越高。虽然目前拥有ESP、ABS等主动安全技术,能够实现车辆驾驶安全性的提升,但是还没有真正改变以往的驾驶模式,无法从根本上杜绝安全隐患。所以,本文将重点放置在无人驾驶车辆自动转向控制的层次上,希望对于无人驾驶技术有深入的了解。 展开更多
关键词 无人驾驶 自动转向 控制
下载PDF
一种应用于嵌入式FPGA卷积神经网络加速器的串行乘法器设计 被引量：1
4
作者 杨军 李倍 +3 位作者 陈新伟 张凯 梁科 李国峰 《南开大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第1期8-12,共5页
为满足神经网络中多种位宽数据计算的动态需求,从而提升硬件资源的能效,提出一种位串行乘法器设计—以1 bit的计算逻辑为核心,将多位数据的并行乘操作转化为每个周期进行1位数据乘操作的串行计算方式.为进一步提升硬件资源的利用率,在... 为满足神经网络中多种位宽数据计算的动态需求,从而提升硬件资源的能效,提出一种位串行乘法器设计—以1 bit的计算逻辑为核心,将多位数据的并行乘操作转化为每个周期进行1位数据乘操作的串行计算方式.为进一步提升硬件资源的利用率,在此基础上提出多通道位串行乘法器阵列同时进行多个数据的并行计算.实验结果显示,在最大支持位宽为8 bit的条件下,单通道位串行乘法器的LUT资源使用量是并行乘法器的41%,LUT资源有效利用率是并行乘法器的1.32倍;当通道数为8时,多通道位串行乘法器阵列的LUT资源使用量是多通道并行乘法器阵列的29%.该结构实现了硬件资源和性能之间的平衡——提高硬件资源的利用率从而提升计算效能. 展开更多
关键词 卷积神经网络 FPGA 位串行乘法器 多通道乘法器阵列
原文传递
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 下一页 到第 页
使用帮助 返回顶部