期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于YOLOv8n改进的水稻病害轻量化检测
1
作者
郭丽峰
黄俊杰
+5 位作者
吴禹竺
王思吉
王轶哲
包羽健
苏中滨
刘宏新
《农业工程学报》
北大核心
2025年第8期156-164,共9页
为解决水稻病害检测中存在的小目标特征提取困难、复杂环境下检测精度不高的问题以及在边缘化设备上实现高效实时检测,该研究提出了一种轻量化水稻病害识别方法YOLOv8-DiDL。该方法通过引入倒残差移动模块(inverted residual mobile blo...
为解决水稻病害检测中存在的小目标特征提取困难、复杂环境下检测精度不高的问题以及在边缘化设备上实现高效实时检测,该研究提出了一种轻量化水稻病害识别方法YOLOv8-DiDL。该方法通过引入倒残差移动模块(inverted residual mobile block,iRMB)增强小目标特征捕捉能力,采用变形卷积模块DCNv2(deformable convolutional networks)优化目标几何变化适应性,结合采样算子DySample(dynamic sample)算法提升复杂环境适应能力,并改进快速空间金字塔池化模块(spatial pyramid pooling fast,SPPF)为大核分离卷积注意力模块(large separable kernel attention,LSKA)增强多尺度特征融合。试验结果表明,改进的YOLOv8-DiDL模型准确率、召回率和平均精度均值分别为91.4%、83.5%、90.8%;与原始基础网络YOLOv8n相比分别提升7.0、0.5、2.5个百分点,模型权重降低9.7%,每秒浮点运算次数提升7.4%。该研究通过改进模型显著提高了水稻病害检测的精度和部署效率,为智能化农业的实时病害监测提供了技术基础。
展开更多
关键词
水稻
病害
目标检测
YOLOv8n改进
模型
卷积神经网络
模型轻量化设计
在线阅读
下载PDF
职称材料
基于快速下采样的轻量化网络设计方法及人脸识别应用
被引量：
2
2
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
在线阅读
下载PDF
职称材料
题名
基于YOLOv8n改进的水稻病害轻量化检测
1
作者
郭丽峰
黄俊杰
吴禹竺
王思吉
王轶哲
包羽健
苏中滨
刘宏新
机构
东北农业大学工程学院
东北农业大学电信学院
农业农村部东北智慧农业技术重点实验室
宿迁学院机电工程学院
出处
《农业工程学报》
北大核心
2025年第8期156-164,共9页
基金
黑龙江省高校协同创新成果项目(LJGXCG2022-031,LJGXCG2023-053)。
文摘
为解决水稻病害检测中存在的小目标特征提取困难、复杂环境下检测精度不高的问题以及在边缘化设备上实现高效实时检测,该研究提出了一种轻量化水稻病害识别方法YOLOv8-DiDL。该方法通过引入倒残差移动模块(inverted residual mobile block,iRMB)增强小目标特征捕捉能力,采用变形卷积模块DCNv2(deformable convolutional networks)优化目标几何变化适应性,结合采样算子DySample(dynamic sample)算法提升复杂环境适应能力,并改进快速空间金字塔池化模块(spatial pyramid pooling fast,SPPF)为大核分离卷积注意力模块(large separable kernel attention,LSKA)增强多尺度特征融合。试验结果表明,改进的YOLOv8-DiDL模型准确率、召回率和平均精度均值分别为91.4%、83.5%、90.8%;与原始基础网络YOLOv8n相比分别提升7.0、0.5、2.5个百分点,模型权重降低9.7%,每秒浮点运算次数提升7.4%。该研究通过改进模型显著提高了水稻病害检测的精度和部署效率,为智能化农业的实时病害监测提供了技术基础。
关键词
水稻
病害
目标检测
YOLOv8n改进
模型
卷积神经网络
模型轻量化设计
Keywords
rice
diseases
object detection
YOLOv8n improved model
convolutional neural networks
model lightweight design
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于快速下采样的轻量化网络设计方法及人脸识别应用
被引量：
2
2
作者
王佳皓
徐树公
陆恒杰
机构
上海大学通信与信息工程学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第8期2226-2237,共12页
基金
国家自然科学基金(No.61871262)。
文摘
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.
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
Keywords
lightweight neural network design
neural network acceleration
lightweight face recognition
face detec⁃tion and recognition system
embedded devices
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于YOLOv8n改进的水稻病害轻量化检测
郭丽峰
黄俊杰
吴禹竺
王思吉
王轶哲
包羽健
苏中滨
刘宏新
《农业工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于快速下采样的轻量化网络设计方法及人脸识别应用
王佳皓
徐树公
陆恒杰
《电子学报》
EI
CAS
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
