期刊文献+
共找到305篇文章
< 1 2 16 >
每页显示 20 50 100
基于多尺度注意力轻量化网络的信道状态信息反馈方法
1
作者 刘庆利 谢佳骏 《电讯技术》 北大核心 2025年第9期1363-1372,共10页
针对大规模多输入多输出系统中信道状态信息在反馈时重构精度低、复杂度高的问题,提出了一种基于注意力机制的反馈方法。首先,考虑到信道状态信息矩阵数据分布特点,采用一种高效多尺度注意力模块提取信道状态信息矩阵局部和全局的特征,... 针对大规模多输入多输出系统中信道状态信息在反馈时重构精度低、复杂度高的问题,提出了一种基于注意力机制的反馈方法。首先,考虑到信道状态信息矩阵数据分布特点,采用一种高效多尺度注意力模块提取信道状态信息矩阵局部和全局的特征,并关注重要数据点的分布,提升网络模型的特征学习能力。其次,使用增强的可重参数化的卷积替代普通的卷积核,提升卷积对于局部特征的提取能力,使整个神经网络自编码器在保持轻量化的基础上达到更高的压缩重构精度。仿真结果表明,与轻量化网络CRNet和ACRNet-1x相比,所提出的网络模型在复杂度方面分别平均降低了19%和5%,重构精度分别平均提高了3%和8%,同时展现出了更好的鲁棒性。 展开更多
关键词 大规模MIMO 信道状态信息反馈 神经网络自编码器 高效多尺度注意力 轻量化网络
在线阅读 下载PDF
融合GhostNet的YOLOv4轻量化网络设计与实现 被引量:2
2
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
在线阅读 下载PDF
基于改进轻量化网络MobileViT的苹果叶片病虫害识别方法 被引量:2
3
作者 梁倩倩 陈勇 崔艳荣 《江苏农业科学》 北大核心 2024年第14期222-229,共8页
针对苹果叶片病害识别准确率低以及现有模型难以适应真实复杂场景等问题,提出一种改进的轻量化网络——MobileViT_filter_FCN,以提高对苹果叶片病害的识别准确率,并使得模型可以适应户外的复杂光照及遮挡环境。首先收集5类常见苹果叶片... 针对苹果叶片病害识别准确率低以及现有模型难以适应真实复杂场景等问题,提出一种改进的轻量化网络——MobileViT_filter_FCN,以提高对苹果叶片病害的识别准确率,并使得模型可以适应户外的复杂光照及遮挡环境。首先收集5类常见苹果叶片病害(如落叶病、褐斑病等)的图像样本,并利用多种数据增强技术对样本数据进行预处理(如水平翻转、垂直翻转等),以增加样本数据的多样性并提高模型的泛化能力;接着利用傅里叶变换技术设计一个可学习的滤波器层Filter layer,替换原始MobileViT模型中的多头注意力结构,以降低图片中的噪声影响并提高模型性能;最后,在修改后的MobileViT模型基础上,利用深度卷积层和残差结构设计一种FCN结构,结合该结构增强模型对病害图像的特征学习能力,进一步提高模型性能。试验结果表明,改进后的MobileViT_filter模型对苹果叶片病害的平均识别准确率达到97.73%,较原模型提高0.95百分点;在该基础上加入FCN结构后,平均识别准确率达到98.03%,较原模型提高1.25百分点,同时参数量减少2.6 M。 展开更多
关键词 多头注意力机制 图像分类 轻量化网络 苹果叶片病害识别 Filter Layer
在线阅读 下载PDF
一种面向SAR图像快速舰船检测的轻量化网络 被引量:1
4
作者 周文雪 张华春 《中国科学院大学学报(中英文)》 CAS CSCD 北大核心 2024年第6期776-785,共10页
在基于深度学习的合成孔径雷达(SAR)图像舰船检测领域,传统的模型通常结构复杂、计算量大,难以适配低算力平台并实现实时检测;同时,依赖于预设锚框的卷积神经网络因锚框位置较难合理设置,容易导致大量计算冗余。针对上述问题,提出一种... 在基于深度学习的合成孔径雷达(SAR)图像舰船检测领域,传统的模型通常结构复杂、计算量大,难以适配低算力平台并实现实时检测;同时,依赖于预设锚框的卷积神经网络因锚框位置较难合理设置,容易导致大量计算冗余。针对上述问题,提出一种基于无锚框的端到端轻量化卷积神经网络,设计了一种轻量的通道注意力模块(EESE)并将其应用于解耦合检测头(ED-head)上,有效解决了分类和定位2种任务的冲突。此外,提出一种优化的EIOU损失函数,在保证推理速度几乎不变的情况下有效提升网络性能。在SSDD数据集上的实验结果表明:与YOLOX-nano相比,该方法的AP50和AP分别提高2.1和7.4个百分点,在CPU上推理延迟仅5.33 ms,远小于YOLOX-nano的13.13 ms,实现了精度与效率的平衡。 展开更多
关键词 合成孔径雷达(SAR) 舰船检测 深度学习 轻量化网络 无锚框目标检测
在线阅读 下载PDF
基于轻量化网络的车载雷达目标分类方法 被引量:2
5
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
在线阅读 下载PDF
基于轻量化网络和知识蒸馏的回转窑工况识别 被引量:1
6
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
在线阅读 下载PDF
基于轻量化网络的眼部特征分割方法 被引量:1
7
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
在线阅读 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:21
8
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
在线阅读 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:17
9
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
在线阅读 下载PDF
识别安全帽佩戴的轻量化网络模型 被引量:2
10
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
在线阅读 下载PDF
基于改进轻量化网络MobileNeXt的苹果叶片病害识别方法 被引量:9
11
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
在线阅读 下载PDF
岩石岩性轻量化网络识别方法及其隧道工程应用 被引量:6
12
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
在线阅读 下载PDF
基于轻量化网络的干扰信号智能识别算法 被引量:2
13
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
在线阅读 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 被引量:2
14
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
在线阅读 下载PDF
基于轻量化网络的变电站缺陷图片检测算法 被引量:17
15
作者 琚泽立 邢伟 +3 位作者 金鸿鹏 徐方植 蒲路 侯喆 《电网与清洁能源》 2020年第8期43-49,共7页
保证变电站运行安全和可靠,自动检测变电站设备缺陷是电网智能化的关键。提出基于轻量化网络的变电站缺陷图片检测算法。针对目前传统的深度网络深度较深,耗时较长,易发生梯度爆炸、消失的情况,以及变电站智能监控实时性要求高的问题,... 保证变电站运行安全和可靠,自动检测变电站设备缺陷是电网智能化的关键。提出基于轻量化网络的变电站缺陷图片检测算法。针对目前传统的深度网络深度较深,耗时较长,易发生梯度爆炸、消失的情况,以及变电站智能监控实时性要求高的问题,提出了一种基于轻量化网络的变电站缺陷图片检测算法。该算法通过深度网络的轻量化设计,不仅可降低计算时间复杂度和空间复杂度,并且能提升检测准确度。该算法利用轻量化的特征提取网络进行图片的多尺度特征提取,且能根据多尺度特征进行目标种类和位置的检测。以变电站现场故障图片作为实验数据,对比测试了SSD算法和所提算法在面对不同故障的检测准确率。实验结果表明,所提算法在变电站故障检测任务中比SSD算法更加准确,为变电站故障检测提供了有效的手段。 展开更多
关键词 缺陷图片检测 变电站 目标检测 轻量化网络
在线阅读 下载PDF
面向轻量化网络的改进双通道注意力机制图像分类方法 被引量:10
16
作者 宋泰年 秦伟伟 +2 位作者 梁卓 王魁 刘刚 《航空兵器》 CSCD 北大核心 2021年第5期81-85,共5页
为解决弹载终端环境下深度卷积神经网络模型体积较大、运算硬件要求高的问题,构建了一种基于改进双通道注意力机制的轻量化网络结构。针对网络轻量化会牺牲分类准确率的问题,以轻量化网络结构MobileNetV2为基准网络架构,引入自主设计的... 为解决弹载终端环境下深度卷积神经网络模型体积较大、运算硬件要求高的问题,构建了一种基于改进双通道注意力机制的轻量化网络结构。针对网络轻量化会牺牲分类准确率的问题,以轻量化网络结构MobileNetV2为基准网络架构,引入自主设计的注意力模块,设计了基于SPP-DCAM模块的MobileNetV2网络架构,使卷积层学习的显著特征图的权重增加,以提升其分类准确率;设计的空间信息与通道信息并联输入,通过定义1×1和3×3的小卷积在保证结构轻量化的基础上减少了计算量和计算复杂度。最后,在cifar-100图像分类数据集进行实验对比。结果表明:相对于改进MobileNetV2,在参数量和计算复杂度基本不变的基础上,分类精度优于传统的VGG16,ResNet18和DenseNet卷积网络,综合性能更强,更适合弹载计算资源有限情况下的快速分类。 展开更多
关键词 MobileNetV2 注意力机制 图像分类 卷积神经网络 轻量化网络 人工智能
在线阅读 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 被引量:2
17
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 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
基于轻量化网络MobileNetV2的航班延误预测模型 被引量:8
18
作者 屈景怡 刘畅 《信号处理》 CSCD 北大核心 2022年第5期973-982,共10页
针对民航业中航班延误状况的日益凸显,传统算法存在准确率低、计算量以及参数量大的问题,且面对旅客主要使用移动设备查询的需求,传统算法难以直接部署在移动端,本文提出一种基于轻量化网络MobileNetV2的航班延误预测模型。模型首先对... 针对民航业中航班延误状况的日益凸显,传统算法存在准确率低、计算量以及参数量大的问题,且面对旅客主要使用移动设备查询的需求,传统算法难以直接部署在移动端,本文提出一种基于轻量化网络MobileNetV2的航班延误预测模型。模型首先对数据集做数据融合、编码等预处理;然后将其输入到网络中进行特征提取;最后利用Softmax分类器输出航班延误等级。应用于国内数据集,准确率最高为99.07%,模型参数量为1.31Million、计算量为40.58Million。本文模型在保障准确率的同时,尽可能降低模型的参数量和计算量,其性能优于传统网络,有助于在移动端实现航班延误预测。 展开更多
关键词 航班延误预测 量化神经网络 数据融合 CatBoost编码
在线阅读 下载PDF
基于改进YOLOv4算法的轻量化网络设计与实现 被引量:28
19
作者 孔维刚 李文婧 +2 位作者 王秋艳 曹鹏程 宋庆增 《计算机工程》 CAS CSCD 北大核心 2022年第3期181-188,共8页
在嵌入式设备上进行目标检测时易受能耗和功耗等限制,使得传统目标检测算法效果不佳。为此,对YOLOv4算法进行优化,设计YOLOv4-Mini网络结构,将其特征提取网络由CSPDarkNet53改为MobileNetv3-large并进行INT8量化处理,其中网络结构利用PW... 在嵌入式设备上进行目标检测时易受能耗和功耗等限制,使得传统目标检测算法效果不佳。为此,对YOLOv4算法进行优化,设计YOLOv4-Mini网络结构,将其特征提取网络由CSPDarkNet53改为MobileNetv3-large并进行INT8量化处理,其中网络结构利用PW和DW卷积操作代替传统卷积操作以大幅减少计算量。采用SE模块为通道施加注意力机制,激活函数层运用h-swish非线性激活函数,在保证精度的情况下降低网络计算量。同时,通过量化感知训练将权重转为INT8类型,以实现模型轻量化,进一步降低网络参数量和计算量,从而在嵌入式设备上完成无人机数据集的目标检测任务。在NVIDIA Jetson Xavier NX设备上进行测试,结果显示,YOLOv4-MobileNetv3网络的mAP为34.3%,FPS为30,YOLOv4-Mini网络的mAP为32.5%,FPS为73,表明YOLOv4-Mini网络能够在低功耗、低能耗的嵌入式设备上完成目标实时检测任务。 展开更多
关键词 目标检测 模型压缩 嵌入式设备 量化神经网络 模型量化 Jetson Xavier NX设备
在线阅读 下载PDF
基于轻量化网络和知识蒸馏的纱线状态检测
20
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 量化神经网络 知识蒸馏 迁移学习 模型部署 针织
在线阅读 下载PDF
上一页 1 2 16 下一页 到第
使用帮助 返回顶部