期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
高性能YOLOv3-tiny嵌入式硬件加速器的混合优化设计
1
作者 谭会生 肖鑫凯 卿翔 《半导体技术》 CAS 北大核心 2025年第1期55-63,共9页
为解决在嵌入式设备中部署神经网络受算法复杂度、执行速度和硬件资源约束的问题,基于Zynq异构平台,设计了一个高性能的YOLOv3-tiny网络硬件加速器。在算法优化方面,将卷积层和批归一化层融合,使用8 bit量化算法,简化了算法流程;在加速... 为解决在嵌入式设备中部署神经网络受算法复杂度、执行速度和硬件资源约束的问题,基于Zynq异构平台,设计了一个高性能的YOLOv3-tiny网络硬件加速器。在算法优化方面,将卷积层和批归一化层融合,使用8 bit量化算法,简化了算法流程;在加速器架构设计方面,设计了可动态配置的层间流水线和高效的数据传输方案,缩短了推理时间,减小了存储资源消耗;在网络前向推理方面,针对卷积计算,基于循环展开策略,设计了8通道并行流水的卷积模块;针对池化计算,采用分步计算策略实现对连续数据流的高效处理;针对上采样计算,提出了基于数据复制的2倍上采样方法。实验结果表明,前向推理时间为232 ms,功耗仅为2.29 W,系统工作频率为200 MHz,达到了23.97 GOPS的实际算力。 展开更多
关键词 YOLOv3-tiny网络 异构平台 硬件加速器 动态配置架构 硬件混合优化 数据复制上采样
在线阅读 下载PDF
基于上采样金字塔结构的卷积神经网络的非侵入负荷辨识算法 被引量:5
2
作者 杜宇 严萌 武昕 《计算机应用》 CSCD 北大核心 2022年第10期3300-3306,共7页
非侵入式负荷监测(NILM)技术为需求侧管理提供了技术支撑,而非侵入负荷辨识是负荷监测过程中的关键环节。在负荷数据采样过程中无法实现长期的实时高频采集,得到的负荷数据还存在缺乏时序性的问题;同时,卷积神经网络(CNN)存在对低级信... 非侵入式负荷监测(NILM)技术为需求侧管理提供了技术支撑,而非侵入负荷辨识是负荷监测过程中的关键环节。在负荷数据采样过程中无法实现长期的实时高频采集,得到的负荷数据还存在缺乏时序性的问题;同时,卷积神经网络(CNN)存在对低级信号特征表现不足的缺陷。针对以上两个问题,提出了一种基于上采样金字塔结构的CNN非侵入负荷辨识算法。所提算法直接面向采集到的负荷电流信号,利用上采样网络扩展数据在时间维度上的相关信息弥补数据的时序性,并通过双向金字塔一维卷积提取负荷信号的高级与低级特征,以对负荷特征进行全面利用,从而实现对未知负荷信号进行识别的目的。实验结果表明,基于上采样金字塔结构的CNN非侵入负荷辨识算法的识别准确率能够达到95.21%,且具有良好的泛化能力,可有效实现负荷辨识。 展开更多
关键词 非侵入负荷辨识 需求侧管理 数据上采样 双向金字塔结构 卷积神经网络 自动特征提取
在线阅读 下载PDF
基于置信度的TOF与双目系统深度数据融合 被引量:1
3
作者 孙哲 张勇 常衢通 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2018年第8期1764-1771,共8页
为了解决铁路火车等结构单一环境的三维重建问题,提出了置信度的概念,将TOF系统与双目系统的互补性特点有效结合。通过联合标定,建立起TOF系统与双目系统的坐标关系,将TOF中的点映射到左相机视角下,得出双目系统左相机视角下的TOF测量... 为了解决铁路火车等结构单一环境的三维重建问题,提出了置信度的概念,将TOF系统与双目系统的互补性特点有效结合。通过联合标定,建立起TOF系统与双目系统的坐标关系,将TOF中的点映射到左相机视角下,得出双目系统左相机视角下的TOF测量视差图,再利用图像分割以及曲面拟合对其上采样处理至双目图像的分辨率大小。根据各系统特点定义置信度,确定数据融合的不同系统权重。利用Middlebury的数据集处理结果,融合后的匹配精度较双目系统精度提高一倍以上,且视差图的分辨率提升至与双目系统相同大小。 展开更多
关键词 双目立体匹配 TOF 数据上采样 数据融合 置信度
在线阅读 下载PDF
并行注意力机制在图像语义分割中的应用 被引量:10
4
作者 张汉 张德祥 +2 位作者 陈鹏 章军 王兵 《计算机工程与应用》 CSCD 北大核心 2022年第9期151-160,共10页
在卷积神经网络中融入注意力机制越来越成为语义分割强化特征学习的重要方法。提出了一种融合了局部注意力和全局注意力的卷积神经网络。输入图像经主干网络的特征提取,并行输入给局部注意力和全局注意力模块。局部注意力模块以编码-解... 在卷积神经网络中融入注意力机制越来越成为语义分割强化特征学习的重要方法。提出了一种融合了局部注意力和全局注意力的卷积神经网络。输入图像经主干网络的特征提取,并行输入给局部注意力和全局注意力模块。局部注意力模块以编码-解码结构实现多尺寸的局部特征融合,全局注意力模块根据每个像素与其所在特征图上所有像素的相关性捕获全局信息。融合两个注意力模块不仅减少了局部信息的丢失,而且捕获了具有长距离依赖的全局信息,有效提升了特征提取的能力。采用一种数据相关的上采样方法代替双线性插值法恢复特征图至输入尺寸,同时改善了分割效果。采用Dice Loss损失函数并针对样本不平衡问题在类别损失前加入权重系数进一步改善了分割效果。该方法在药丸污点数据集、药丸缺损数据集以及走廊数据集上分别得到了96.39%、93.44%、96.28%的平均交并比结果。 展开更多
关键词 局部注意力 全局注意力 数据相关上采样 样本不平衡
在线阅读 下载PDF
改进Unet++在脑肿瘤图像分割的研究 被引量:11
5
作者 侯奕辰 彭辉 +1 位作者 谢俊章 曾庆喜 《计算机工程与设计》 北大核心 2022年第6期1725-1731,共7页
针对计算机辅助脑肿瘤图像分割精度不高,提出改进的密集连接网络Unet++脑肿瘤自动分割网络。分别将残差块和数据相关型上采样Dupsampling融入网络的编码、解码部分,提高特征提取的能力并防止梯度消失;使用Mish激活函数代替Relu激活函数... 针对计算机辅助脑肿瘤图像分割精度不高,提出改进的密集连接网络Unet++脑肿瘤自动分割网络。分别将残差块和数据相关型上采样Dupsampling融入网络的编码、解码部分,提高特征提取的能力并防止梯度消失;使用Mish激活函数代替Relu激活函数,更平滑的曲线有助于提升网络的非线性特征提取能力和泛化性;使用交叉熵和Dice结合的损失函数,进一步提升分割精度。该方法在BraTs2019部分数据上验证,在全肿瘤、核心肿瘤和增强肿瘤分割结果的Dice系数分别达到0.9236、0.8745、0.8404,豪斯多夫距离为1.806、2.994、1.865,优于大多数脑肿瘤分割模型。 展开更多
关键词 脑肿瘤分割 密集连接网络Unet++ 残差块 数据相关型上采样Dupsampling Mish激活函数
在线阅读 下载PDF
基于改进YOLOv3的密集行人检测 被引量:23
6
作者 邓杰 万旺根 《电子测量技术》 北大核心 2021年第11期90-95,共6页
行人检测是目标检测领域的一个重要分支,目前行人检测算法已经取得了较好的发展,但拥挤场景下存在着行人间的严重遮挡,这为检测任务带来了极大地挑战。为有效缓解该问题,在YOLOv3的基础上进行改进,提出单阶段密集行人检测算法:Crowd-YO... 行人检测是目标检测领域的一个重要分支,目前行人检测算法已经取得了较好的发展,但拥挤场景下存在着行人间的严重遮挡,这为检测任务带来了极大地挑战。为有效缓解该问题,在YOLOv3的基础上进行改进,提出单阶段密集行人检测算法:Crowd-YOLO,该算法将可见框标注信息加入到网络中,使网络同时预测全身框与可见框信息从而提升检测性能;提出时频域融合注意力模块(TFFAM),将频域通道注意力和空间注意力加入到网络中重新分配特征权重;采用数据关联型上采样代替传统的双线性插值,使深层特征图获取更为丰富的信息表达。使用非常具有挑战性的大型拥挤人群场景数据集CrowdHuman进行训练和测试,实验结果表明,所提方法比基础网络在AP50指标上提高了约3.7%,在召回率(Recall)指标上提高了3.4%,其中时频域融合注意力模块为网络带来了2.3%AP的性能增益。实验结果验证了所提方法在拥挤人群场景下的有效性。 展开更多
关键词 行人检测 遮挡问题 YOLO 融合注意力 数据关联型上采样
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部