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NSGA-Ⅱ的自适应多尺度特征通道分组优化算法
被引量：
1
1
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...
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。
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
2
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...
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。
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
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
1
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
2
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
作者
出处
发文年
被引量
操作
1
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
2
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
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
