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
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
1
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
职称材料
基于改进YOLOv8-Pose的码垛快速识别与抓取点检测
被引量：
2
2
作者
郭忠峰
王健鹏
+1 位作者
杨钧麟
杨春源
《组合机床与自动化加工技术》
北大核心
2024年第11期125-129,共5页
针对码垛场景中在仓库内对米袋和面袋的识别与抓取点检测的任务,提出了一种基于改进的YOLOv8-Pose的轻量化快速检测算法模型。其基于YOLOv8-Pose,使用若干个ShuffleNetv2模块取代原Darknet主干网络,降低模型大小;添加SimAM注意力机制,...
针对码垛场景中在仓库内对米袋和面袋的识别与抓取点检测的任务,提出了一种基于改进的YOLOv8-Pose的轻量化快速检测算法模型。其基于YOLOv8-Pose,使用若干个ShuffleNetv2模块取代原Darknet主干网络,降低模型大小;添加SimAM注意力机制,提升目标特征提取能力。通过对比实验表明,该模型在不牺牲准确性的前提下可提升模型的识别速度。模型在自制数据集中的平均精度达到了93.7%,检测速度达到了62 fps,优于常见模型。证明该模型能够实现复杂场景下的抓取点识别,且该轻量化模型能够适用于嵌入式硬件,降低设备成本。
展开更多
关键词
抓取点检测
YOLOv8-Pose
ShuffleNetv2
轻量化网络结构
在线阅读
下载PDF
职称材料
题名
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
1
作者
崔天舒
王栋
黄振
机构
清华大学北京信息科学与技术国家研究中心
中国科学院大学计算机科学与技术学院
出处
《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
文摘
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。
关键词
自动调制分类
深度学习
轻量化网络结构
Keywords
automatic modulation classification
deep learning
lightweight network structure
分类号
TN927.21 [电子电信—通信与信息系统]
TB553 [理学—声学]
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv8-Pose的码垛快速识别与抓取点检测
被引量：
2
2
作者
郭忠峰
王健鹏
杨钧麟
杨春源
机构
沈阳工业大学机械工程学院
出处
《组合机床与自动化加工技术》
北大核心
2024年第11期125-129,共5页
文摘
针对码垛场景中在仓库内对米袋和面袋的识别与抓取点检测的任务,提出了一种基于改进的YOLOv8-Pose的轻量化快速检测算法模型。其基于YOLOv8-Pose,使用若干个ShuffleNetv2模块取代原Darknet主干网络,降低模型大小;添加SimAM注意力机制,提升目标特征提取能力。通过对比实验表明,该模型在不牺牲准确性的前提下可提升模型的识别速度。模型在自制数据集中的平均精度达到了93.7%,检测速度达到了62 fps,优于常见模型。证明该模型能够实现复杂场景下的抓取点识别,且该轻量化模型能够适用于嵌入式硬件,降低设备成本。
关键词
抓取点检测
YOLOv8-Pose
ShuffleNetv2
轻量化网络结构
Keywords
grab point detection
YOLOv8-Pose
ShuffleNetv2
lightweight network model
分类号
TH165 [机械工程—机械制造及自动化]
TG659 [金属学及工艺—金属切削加工及机床]
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
面向空间认知通信的轻量化网络自动调制分类方法
崔天舒
王栋
黄振
《系统工程与电子技术》
EI
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
2
基于改进YOLOv8-Pose的码垛快速识别与抓取点检测
郭忠峰
王健鹏
杨钧麟
杨春源
《组合机床与自动化加工技术》
北大核心
2024
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
