检索结果-维普期刊中文期刊服务平台

面向轻量卷积神经网络的训练后量化方法: 1; 作者杨杰李琮 +3 位作者胡庆浩陈显达王云鹏刘晓晶《图学学报》北大核心 2025年第4期709-718,共10页; 当前训练后量化方法(post-training quantization)在高比特量化位宽下可以实现精度近乎无损的量化,但对于轻量卷积神经网络(CNN)来说,其量化误差仍然不可忽视,特别是低位宽(<4比特)量化的情况。针对该问题,提出了一种面向轻量CNN的... 展开更多; 关键词深度神经网络压缩训练后量化低比特量化轻量卷积神经网络轻量化智能; 在线阅读下载PDF 职称材料

基于AM5749的交通标志智能识别系统实验设计被引量：4: 2; 作者罗钧李志学龚燕峰《实验技术与管理》 CAS 北大核心 2021年第8期65-70,共6页; 针对传统交通标志识别系统存在识别精度较低、识别种类少和识别实时性较低的不足,设计了一套高精度、低功耗、便携式的交通标志智能识别系统。系统硬件为以德州仪器AM5749高性能处理器为核心的嵌入式开发系统,通过结合训练选择设计的基... 展开更多; 关键词交通标志图像分类轻量卷积神经网络 AM5749; 在线阅读下载PDF 职称材料

基于NSGA-Ⅱ的自适应多尺度特征通道分组优化算法被引量：1: 3; 作者王彬向甜 +1 位作者吕艺东王晓帆《计算机应用》 CSCD 北大核心 2023年第5期1401-1408,共8页; 针对轻量型卷积神经网络(LCNN)的精确度和复杂度均衡优化问题,提出基于快速非支配排序遗传算法(NSGA-Ⅱ)的自适应多尺度特征通道分组优化算法对LCNN特征通道分组结构进行优化。首先,将LCNN中的特征融合层结构的复杂度最小化和精确度最... 展开更多; 关键词轻量型卷积神经网络特征提取通道分组优化双目标函数建模快速非支配排序遗传算法图像分类进化算法; 在线阅读下载PDF 职称材料

基于LAM-Net的轨道侵入界异物自主检测系统被引量：5: 4; 作者叶涛赵宗扬郑志康《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第9期206-218,共13页; 针对轨道入侵异物对行车安全造成的极大威胁,而现有的轨道目标检测算法难以平衡检测精度和速度、易受复杂环境影响以及难以部署于嵌入式设备等问题,提出了一种轻量型自适应多尺度卷积神经网络,其通过特征图线性变换简化特征提取过程,使... 展开更多; 关键词目标检测算法轻量型卷积神经网络深度学习轨道入侵异物自适应特征融合检测系统; 在线阅读下载PDF 职称材料

基于MobileNet V2的田间葡萄果穗成熟度判别被引量：3: 5; 作者张立周文静《新疆农机化》 2022年第6期29-31,42,共4页; 葡萄的成熟度主要依靠人的感官判断,缺乏客观标准,严重影响葡萄的整体品质。针对以上问题,本文采用MobileNetV2轻量级的卷积神经网络模型对葡萄成熟度进行判别。田间采集红提葡萄图像共计380张,构建数据集,以不同着色度为指标,对数据集... 展开更多; 关键词红提葡萄着色度轻量卷积神经网络果穗; 在线阅读下载PDF 职称材料

题名面向轻量卷积神经网络的训练后量化方法: 1; 作者杨杰李琮胡庆浩陈显达王云鹏刘晓晶; 机构国网山东省电力公司济南供电公司中国科学院自动化研究所复杂系统认知与决策重点实验室; 出处《图学学报》北大核心 2025年第4期709-718,共10页; 基金国网山东省电力公司科技项目(52060122000Q)。; 文摘当前训练后量化方法(post-training quantization)在高比特量化位宽下可以实现精度近乎无损的量化,但对于轻量卷积神经网络(CNN)来说,其量化误差仍然不可忽视,特别是低位宽(<4比特)量化的情况。针对该问题,提出了一种面向轻量CNN的训练后量化方法,即块级批归一化学习(BBL)方法。不同于当前训练后量化方法合并批归一化层的方式,该方法以模型块为单位保留批归一化层的权重,基于块级特征图重建损失对模型量化参数和批归一化层的参数进行学习,且更新批归一化层的均值和方差等统计量,以一种简单且有效的方式缓解了轻量CNN在低比特量化时产生的分布漂移问题。其次,为了降低训练后量化方法对校准数据集的过拟合,构建了块级的数据增强方法,避免不同模型块对同一批校准数据进行学习。并在ImageNet数据集上进行了实验验证,实验结果表明,相比于当前训练后量化算法,BBL方法识别精度最高能提升7.72个百分点,并有效减少轻量CNN在低比特训练后量化时产生的量化误差。; 关键词深度神经网络压缩训练后量化低比特量化轻量卷积神经网络轻量化智能; Keywords deep neural networks compression post-training quantization low-bit quantization lightweight convolutional neural networks lightweight intelligence; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于AM5749的交通标志智能识别系统实验设计被引量：4: 2; 作者罗钧李志学龚燕峰; 机构重庆大学光电技术及系统教育部重点实验室; 出处《实验技术与管理》 CAS 北大核心 2021年第8期65-70,共6页; 基金重庆市研究生教育教学改革研究项目“专业硕士的工程设计能力培养方法探讨”(YJG143040)。; 文摘针对传统交通标志识别系统存在识别精度较低、识别种类少和识别实时性较低的不足,设计了一套高精度、低功耗、便携式的交通标志智能识别系统。系统硬件为以德州仪器AM5749高性能处理器为核心的嵌入式开发系统,通过结合训练选择设计的基于深度学习的轻量级卷积神经网络所得的系统软件模型,对多达62种的交通标志图像进行分类识别,结果显示在液晶显示器上。通过该实验,学生加深了对卷积神经网络的理解,熟悉利用嵌入式平台进行深度学习算法的开发流程,提高了解决实际问题的学习和实践能力。; 关键词交通标志图像分类轻量卷积神经网络 AM5749; Keywords traffic sign image classification lightweight convolutional neural network AM5749; 分类号 TP274-45 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于NSGA-Ⅱ的自适应多尺度特征通道分组优化算法被引量：1: 3; 作者王彬向甜吕艺东王晓帆; 机构西安理工大学计算机科学与工程学院陕西省网络计算与安全技术重点实验室(西安理工大学); 出处《计算机应用》 CSCD 北大核心 2023年第5期1401-1408,共8页; 基金国家自然科学基金资助项目(61976177,U21A20524)。; 文摘针对轻量型卷积神经网络(LCNN)的精确度和复杂度均衡优化问题,提出基于快速非支配排序遗传算法(NSGA-Ⅱ)的自适应多尺度特征通道分组优化算法对LCNN特征通道分组结构进行优化。首先,将LCNN中的特征融合层结构的复杂度最小化和精确度最大化作为两个优化目标,进行双目标函数建模及理论分析;然后,设计基于NSGA-Ⅱ的LCNN结构优化框架,并在原始LCNN结构的深度卷积层之上增加基于NSGA-Ⅱ的自适应分组层,构建基于NSGA-Ⅱ的自适应多尺度的特征融合网络NSGA2-AMFFNetwork。在图像分类数据集上的实验结果显示,与手工设计的网络结构M_blockNet_v1相比,NSGA2-AMFFNetwork的平均精确度提升了1.2202个百分点,运行时间降低了41.07%。这表明所提优化算法能较好平衡LCNN的复杂度和精确度,同时还可为领域知识不足的普通用户提供更多性能表现均衡的网络结构选择方案。; 关键词轻量型卷积神经网络特征提取通道分组优化双目标函数建模快速非支配排序遗传算法图像分类进化算法; Keywords Lightweight Convolutional Neural Network(LCNN) feature extraction channel grouping optimization dualobjective function modeling fast Non-dominated Sorting Genetic Algorithm(NSGA‑Ⅱ) image classification evolutionary algorithm; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TP399 [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LAM-Net的轨道侵入界异物自主检测系统被引量：5: 4; 作者叶涛赵宗扬郑志康; 机构中国矿业大学(北京)机电与信息工程学院; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第9期206-218,共13页; 基金煤炭资源高效开采与洁净利用国家重点实验室开放基金(2021-CMCU-KF012) 中央高校基本科研业务费专项基金(2022YQJD04,2022YJSJD01)项目资助。; 文摘针对轨道入侵异物对行车安全造成的极大威胁,而现有的轨道目标检测算法难以平衡检测精度和速度、易受复杂环境影响以及难以部署于嵌入式设备等问题,提出了一种轻量型自适应多尺度卷积神经网络,其通过特征图线性变换简化特征提取过程,使用自适应多尺度特征融合优化特征表达能力,并通过设计轻量型注意力进一步提升异物检测精度;同时,结合NVIDIA Jetson TX2嵌入式平台,研制了轨道入侵异物自主检测系统。实验结果表明,本文提出的模型很好地平衡了检测速度和精度,在NVIDIA GeForce GTX1080Ti的GPU平台上对轨道数据集的检测速度为297 FPS,检测精度为92.96%,比YOLOv4-tiny高7.72%,实现了在轨道交通复杂场景下高精度、高速度以及高鲁棒性的检测入侵异物。; 关键词目标检测算法轻量型卷积神经网络深度学习轨道入侵异物自适应特征融合检测系统; Keywords object detection algorithm convolutional neural network deep learning railway foreign obstacles adaptive feature fusion detection system; 分类号 U491.2 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名基于MobileNet V2的田间葡萄果穗成熟度判别被引量：3: 5; 作者张立周文静; 机构新疆科技学院; 出处《新疆农机化》 2022年第6期29-31,42,共4页; 基金自治州科学技术研究计划项目(202201) 自治区大学生创新创业训练计划项目(S202113561015)。; 文摘葡萄的成熟度主要依靠人的感官判断,缺乏客观标准,严重影响葡萄的整体品质。针对以上问题,本文采用MobileNetV2轻量级的卷积神经网络模型对葡萄成熟度进行判别。田间采集红提葡萄图像共计380张,构建数据集,以不同着色度为指标,对数据集进行分类,并按7:2:1分为训练集、验证集、测试集,将训练集、验证集预处理后采用该数据集训练MobileNetV2模型。由测试集的试验结果,得到试验训练MobileNetV2模型所获得的分类准确率为87%。最后采用QT语言设计了可视化的界面。本文的研究将有利于推进葡萄采摘的自动化,降低葡萄采摘成本、提高葡萄的经济效益。; 关键词红提葡萄着色度轻量卷积神经网络果穗; Keywords Red grapes Chromaticity Lightweight convolutional neural network Fruit cluster; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 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	面向轻量卷积神经网络的训练后量化方法	杨杰李琮胡庆浩陈显达王云鹏刘晓晶	《图学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于AM5749的交通标志智能识别系统实验设计	罗钧李志学龚燕峰	《实验技术与管理》 CAS 北大核心	2021	4	在线阅读下载PDF 职称材料
3	基于NSGA-Ⅱ的自适应多尺度特征通道分组优化算法	王彬向甜吕艺东王晓帆	《计算机应用》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
4	基于LAM-Net的轨道侵入界异物自主检测系统	叶涛赵宗扬郑志康	《仪器仪表学报》 EI CAS CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料
5	基于MobileNet V2的田间葡萄果穗成熟度判别	张立周文静	《新疆农机化》	2022	3	在线阅读下载PDF 职称材料