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
共找到97篇文章
< 1 2 … 5 >
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：
基于轻量化神经网络的桃树叶片病害检测方法
1
作者 王博 胡蓉华 《江苏农业科学》 北大核心 2025年第5期138-146,共9页
针对当前桃树叶片病害检测存在精度低、漏检和误检的问题,以及将网络部署到移动端后由于参数量和计算量过大而导致检测速度慢的问题,提出以YOLO v5网络为基础的一系列改进方法。首先,使用EIoU边界框回归损失函数加快预测框收敛过程,使... 针对当前桃树叶片病害检测存在精度低、漏检和误检的问题,以及将网络部署到移动端后由于参数量和计算量过大而导致检测速度慢的问题,提出以YOLO v5网络为基础的一系列改进方法。首先,使用EIoU边界框回归损失函数加快预测框收敛过程,使得模型训练和推理过程更加高效;然后,引入SimAM注意力机制,在不增加额外的参数量和计算量的基础上提升网络检测精度;最后,引入GhostNet网络,该网络的核心Ghost模块将原始卷积层分成2个部分,然后使用较少的卷积核生成内在特征映射,继而通过廉价的线性运算生成Ghost特征图,这一设计在保证整体网络精度的情况下,明显降低网络的参数量、计算量和权重大小。结果表明,改进后的YOLO v5s网络的所有评价指标远优于YOLO v3、YOLO v4、YOLOX、CenterNet等网络,相较于基准YOLO v5s,平均检测精度提升了3.6百分点,达到了94.8%,参数量下降了47.6%,GFLOPs减少了49.4%,权重压缩了45.5%,检测速度达到96帧/s。综上,改进后的YOLO v5s网络检测精度更高,且整体的参数量、计算量以及模型权重更小,更适应移动端和物联网设备的实时检测需求。 展开更多
关键词 轻量化检测模型 桃树叶病害检测 GHOST SimAM注意力机制 轻量化神经网络 YOLO v5
在线阅读 下载PDF
面向红外弱小舰船检测的轻量化神经网络设计
2
作者 唐文婷 李波 季梦奇 《北京航空航天大学学报》 北大核心 2025年第7期2394-2403,共10页
为高效提取红外遥感图像中弱小舰船的深度特征,提出一种轻量化骨干网络设计方法。受视觉注意力驱动的感受野调节机制启发,提出包含多尺寸感受野感知与选择过程的视觉感受野调节机制模拟方法,提高红外弱小舰船目标的表征效果;结合特征复... 为高效提取红外遥感图像中弱小舰船的深度特征,提出一种轻量化骨干网络设计方法。受视觉注意力驱动的感受野调节机制启发,提出包含多尺寸感受野感知与选择过程的视觉感受野调节机制模拟方法,提高红外弱小舰船目标的表征效果;结合特征复用与卷积核分解的设计思想优化了多尺寸感受野模拟过程,实现轻量特征选择算子模拟多尺寸感受野选择过程,进一步降低网络的运算开销。在红外弱小舰船检测数据集上的实验结果表明:该网络检测精度提高了2%,且相较通用轻量化网络参数量减少2.3×106,计算量降低9.1 GFLOPs次;在存在相似地物干扰的港口及离岸复杂场景下,所提方法有效降低了虚警,并抑制了漏检。 展开更多
关键词 小目标检测 卫星遥感图像 感受野 神经网络设计 轻量化神经网络
在线阅读 下载PDF
融合轻量化神经网络的矿用输送带钢芯损伤检测方法
3
作者 盛彬 吴利刚 张楠 《控制工程》 CSCD 北大核心 2024年第7期1254-1262,共9页
为了提高矿用输送带钢芯损伤的检测准确度和实时性,对传统YOLOv5算法进行了改进。首先,引入轻量化神经网络,大幅度降低模型复杂度和运算量;其次,引入高效通道注意力(efficient channel attention,ECA)机制,提升检测准确度,并加快损失函... 为了提高矿用输送带钢芯损伤的检测准确度和实时性,对传统YOLOv5算法进行了改进。首先,引入轻量化神经网络,大幅度降低模型复杂度和运算量;其次,引入高效通道注意力(efficient channel attention,ECA)机制,提升检测准确度,并加快损失函数的收敛速度;再次,采用加权双向特征金字塔网络(bi-directional feature pyramid network,BiFPN),融合高分辨率和低分辨率的图像特征,提升模型的综合性能。实验结果表明,与YOLOv5模型相比,改进模型的参数量和浮点运算量分别减少了约64.52%和69.07%,网络层数由468层降低至295层,检测精确度和召回率分别提升了约15.83%和3.93%,检测速度达到了109.89帧/s。 展开更多
关键词 轻量化神经网络 注意力机制 跨通道特征融合 实时检测 深度学习
在线阅读 下载PDF
基于学习矢量量化神经网络的水稻白穗和正常穗的高光谱识别 被引量：18
4
作者 刘占宇 孙华生 黄敬峰 《中国水稻科学》 CAS CSCD 北大核心 2007年第6期664-668,共5页
水稻病虫害的发生会导致大量白穗的出现,对白穗和正常穗的区分是采取植保措施和灾害评估的基础。通过研究获取了由水稻二化螟和穗瘟造成的白穗和正常穗的室内光谱,选取红边斜率、红边面积、绿峰幅值和绿峰面积等4个高光谱变量作为输入向... 水稻病虫害的发生会导致大量白穗的出现,对白穗和正常穗的区分是采取植保措施和灾害评估的基础。通过研究获取了由水稻二化螟和穗瘟造成的白穗和正常穗的室内光谱,选取红边斜率、红边面积、绿峰幅值和绿峰面积等4个高光谱变量作为输入向量,利用学习矢量量化(LVQ)神经网络对水稻白穗和正常穗进行分类。利用测试样本对网络进行测试,结果显示对白穗和正常稻穗的分类精度高达100%。研究表明,基于LVQ神经网络对水稻白穗和正常穗进行辨别的方法是切实可行的,可以补充和替代肉眼观测。 展开更多
关键词 水稻 遥感 病虫害估测 高光谱反射率 学习矢量量化神经网络
在线阅读 下载PDF
基于改进YOLOv3的轻量化神经网络算法研究 被引量：7
5
作者 舒军 吴柯 雷建军 《华中师范大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第2期181-188,共8页
对于小样本数据集,YOLOv3神经网络框架在训练时存在特征利用率和特征传递效率低的问题,其网络性能得不到充分利用,为解决这些问题,该研究提出基于改进的YOLOv3轻量化神经网络模型,该网络模型将YOLOv3基础框架中的ResNet残差网络结构改为... 对于小样本数据集,YOLOv3神经网络框架在训练时存在特征利用率和特征传递效率低的问题,其网络性能得不到充分利用,为解决这些问题,该研究提出基于改进的YOLOv3轻量化神经网络模型,该网络模型将YOLOv3基础框架中的ResNet残差网络结构改为DenseNet的密集串联结构,并将多尺度输出结构删减到2个.在自制麻将子数据集上的实验表明,改进YOLOv3的神经网络的每秒计算帧数(FPS)对比改进前提升了119.03%,预测目标与实际对象交并比(IoU)在0.5以上的平均检测精确度(mAP-50)提升了2.45%.将改进模型推广至开源数据集Kaggle以及Caltech上,改进模型相比原模型的每秒计算帧数分别提升了124.39%、140.05%,预测目标与实际对象交并比在0.5以上的平均检测精度分别提升了12.5%、5.34%. 展开更多
关键词 轻量化神经网络 YOLOv3 ResNet DenseNet 残差网络 密集串联 检测识别
在线阅读 下载PDF
面向轻量化神经网络的模型压缩与结构搜索 被引量：6
6
作者 梁峰 董名 +2 位作者 田志超 张国和 成舒婷 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第11期106-112,共7页
针对轻量化神经网络中大量1×1卷积操作限制网络模型压缩的问题,提出了轻量化神经网络模型压缩算法,并对网络结构进行了搜索。根据有限长单位冲激响应滤波器线性相位特性思想,设计了具有线性相位约束的1×1卷积滤波器,将其应用... 针对轻量化神经网络中大量1×1卷积操作限制网络模型压缩的问题,提出了轻量化神经网络模型压缩算法,并对网络结构进行了搜索。根据有限长单位冲激响应滤波器线性相位特性思想,设计了具有线性相位约束的1×1卷积滤波器,将其应用在MobileNet网络中验证了有效性。采用遗传算法对MobileNet网络中具有线性相位约束的1×1卷积滤波器比例进行搜索,使用权重共享算法对遗传算法搜索过程进行加速,使用相对适应度指导算法进化方向。实验证明:具有线性相位约束滤波器的MobileNet网络在Cifar10数据集上的网络参数量降低为原始MobileNet网络的51.24%,网络准确率下降0.38%;在ImageNet数据集上的网络参数量降低为原始MobileNet网络的62.88%,网络top5准确率下降1.44%,具有线性相位约束的1×1卷积滤波器可以对网络模型进行有效压缩;遗传算法搜索出的最优结构网络准确率与MobileNet网络的相仿,网络参数量下降为原始网络的83.54%,网络模型更小,性能更优。 展开更多
关键词 轻量化神经网络 模型压缩 遗传算法 权重共享
在线阅读 下载PDF
基于流形学习与学习矢量量化神经网络的齿轮故障诊断模型 被引量：4
7
作者 魏永合 刘炜 +1 位作者 杨艳君 王志伟 《组合机床与自动化加工技术》 北大核心 2018年第4期135-138,144,共5页
为了提高对齿轮非平稳、非线性故障振动信号的可分性及其故障诊断的准确性,并针对其高维数据样本的特点提出一种基于流形学习与LVQ的齿轮故障诊断模型。该模型首先利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方... 为了提高对齿轮非平稳、非线性故障振动信号的可分性及其故障诊断的准确性,并针对其高维数据样本的特点提出一种基于流形学习与LVQ的齿轮故障诊断模型。该模型首先利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法进行齿轮故障振动信号的分解,得到一系列固有模式函数(Intrinsic Model Function,IMF)分量。接下来对含有主要故障信息的IMF分量进行特征提取和选择并构造高维观测样本,再用流形学习等距特征映射(ISOMAP)算法对初步的高维观测样本故障特征进行进一步的提取并对特征属性的数量进行压缩,在保留齿轮故障特征的整体几何结构信息的同时降低了特征数据的复杂度,增强了齿轮故障模式识别的分类性能。最后通过学习矢量量化神经网络(Learning Vector Quantization,LVQ)根据样本的特征将样本划分到一定的类别中去从而实现模式识别。通过比较实验结果来验证该模型的可行性。 展开更多
关键词 齿轮故障 流形学习 学习矢量量化神经网络
在线阅读 下载PDF
基于双分辨率S变换和学习向量量化神经网络的电能质量扰动检测方法 被引量：32
8
作者 李建闽 林海军 +2 位作者 梁成斌 滕召胜 成达 《电工技术学报》 EI CSCD 北大核心 2019年第16期3453-3463,共11页
随着实际电网中非线性负荷以及冲击性负荷的不断增加,电能质量问题日趋严重。实现电能质量扰动信号的准确、快速检测对于查找电能质量问题根源、改善电能质量、确保电网安全、保障经济稳定具有重大意义。为此,提出一种基于双分辨率S变... 随着实际电网中非线性负荷以及冲击性负荷的不断增加,电能质量问题日趋严重。实现电能质量扰动信号的准确、快速检测对于查找电能质量问题根源、改善电能质量、确保电网安全、保障经济稳定具有重大意义。为此,提出一种基于双分辨率S变换和学习向量量化(LVQ)神经网络的电能质量扰动信号检测方法。算法先采用双分辨率S变换实现扰动信号特征向量的准确、快速提取。在获得扰动信号的特征向量后对各特征向量进行归一化处理并利用经过训练的LVQ神经网络对扰动信号进行分类识别。仿真和实际测试结果表明,该文提出的基于双分辨率S变换和LVQ神经网络的电能质量扰动检测算法具有训练速度快、分类准确率高、适合嵌入式实现等优点。 展开更多
关键词 电能质量 扰动分类 S变换 学习向量量化神经网络 时频分析
在线阅读 下载PDF
轻量化神经网络加速器的设计与实现 被引量：9
9
作者 黄瑞 金光浩 +2 位作者 李磊 姜文超 宋庆增 《计算机工程》 CAS CSCD 北大核心 2021年第9期185-190,196,共7页
针对以MobileNet为代表的轻量化卷积网络,基于现场可编程门阵列平台设计网络加速器。通过优化DW、PW轻量化模块并实现常用的卷积、ReLU等功能模块,满足神经网络加速器低功耗、低时延的要求,同时基于指令设计使加速器支持MobileNet及各... 针对以MobileNet为代表的轻量化卷积网络,基于现场可编程门阵列平台设计网络加速器。通过优化DW、PW轻量化模块并实现常用的卷积、ReLU等功能模块,满足神经网络加速器低功耗、低时延的要求,同时基于指令设计使加速器支持MobileNet及各类变种。利用上位机配置YoloV3 tiny(不含轻量模块)指令和YoloV3&MobileNet(含轻量模块)指令进行目标检测,实验结果表明,该网络加速器具有较快的推断速度,用于YoloV3tiny结构时达到85frame/s,用于YoloV3&MobileNet结构时达到62frame/s。 展开更多
关键词 硬件加速 模型压缩 轻量化神经网络 现场可编程门阵列 并行计算
在线阅读 下载PDF
基于改进SSD轻量化神经网络的番茄疏花疏果农事识别方法 被引量：8
10
作者 陈新 伍萍辉 +3 位作者 祖绍颖 徐丹 张云鹤 董静 《中国瓜菜》 CAS 北大核心 2021年第9期38-44,共7页
设施番茄疏花疏果工作多依赖于人工,针对人工逐一判断、工作量大、移动设备实时性要求高等问题,通过卷积神经网络进行番茄部分生长参数识别,并结合农事操作经验进行应用讨论。在卷积神经网络SSD算法中引入轻量化模块MobileNetV3,提出了... 设施番茄疏花疏果工作多依赖于人工,针对人工逐一判断、工作量大、移动设备实时性要求高等问题,通过卷积神经网络进行番茄部分生长参数识别,并结合农事操作经验进行应用讨论。在卷积神经网络SSD算法中引入轻量化模块MobileNetV3,提出了基于SSD-MobileNetV3模型的番茄花和果实的识别分析方法。与传统方法相比,一定程度上克服了重叠及遮挡、光照条件变化、亮度不均等干扰因素的影响。在串开花数、串结果数等生长参数识别基础上,结合疏花疏果工作进行讨论。结果表明,试验模型对于设施环境下常见干扰因素具有良好的实时性和鲁棒性,与SSD算法相比,花果平均识别率为92.57%,提高了7.9%,识别速度为0.079 s,提升了约4倍,识别率和识别速度明显提高,计算参数减少,基本满足应用要求。 展开更多
关键词 番茄 设施栽培 生长监测 疏花疏果 轻量化神经网络 图像识别
在线阅读 下载PDF
基于量化神经网络的端到端车牌检测与识别系统 被引量：3
11
作者 张旭欣 金婕 《传感器与微系统》 CSCD 2020年第12期103-105,共3页
提出一种基于量化神经网络的端到端车牌检测与识别系统,实现了车牌快速端到端的检测与识别。实验结果表明:所提出的网络可以有效地应用于车牌检测与识别,实现了最高99.2%的识别准确率与76 FPS的识别速度。相比浮点卷积神经网络参数量降... 提出一种基于量化神经网络的端到端车牌检测与识别系统,实现了车牌快速端到端的检测与识别。实验结果表明:所提出的网络可以有效地应用于车牌检测与识别,实现了最高99.2%的识别准确率与76 FPS的识别速度。相比浮点卷积神经网络参数量降低约32倍。 展开更多
关键词 端到端车牌检测与识别 卷积神经网络 量化神经网络
在线阅读 下载PDF
基于轻量化神经网络的火焰识别方法研究 被引量：1
12
作者 马成建 王学辉 吕玉乾 《消防科学与技术》 CAS 北大核心 2023年第3期314-318,共5页
为了解决当前的火焰识别算法中模型不紧凑、识别精度与效率较低等问题,提出一种基于显著性目标识别理论的轻量化火焰图像分割方法。该方法基于类U-net的编码器-解码器的架构,架构内部采用了显著性目标检测的方法,引入多层注意力机制,以... 为了解决当前的火焰识别算法中模型不紧凑、识别精度与效率较低等问题,提出一种基于显著性目标识别理论的轻量化火焰图像分割方法。该方法基于类U-net的编码器-解码器的架构,架构内部采用了显著性目标检测的方法,引入多层注意力机制,以分层的方式检测火焰目标。该方法在公开数据集上取得了较好的识别结果,且通过对比4种经典语义分割模型可知,交并比指标提升了5.70%~16.25%,F_(1)分数最高提升了10%,且该模型的平均绝对误差值也远远低于其他4种经典模型。表明该轻量化模型在火焰分割效果和运行速度上的指标最佳,有着较强的鲁棒性和有效性。 展开更多
关键词 轻量化神经网络 火焰识别 显著性目标识别
在线阅读 下载PDF
轻量化神经网络卷积设计研究进展 被引量：15
13
作者 马金林 张裕 +1 位作者 马自萍 毛凯绩 《计算机科学与探索》 CSCD 北大核心 2022年第3期512-528,共17页
传统神经网络具有过度依赖硬件资源和对应用设备性能要求较高的缺点,因此无法部署于算力有限的边缘设备和移动终端上,人工智能技术的应用发展在一定程度上受到了限制。然而,随着科技时代的到来,受用户需求影响的人工智能迫切需要在便携... 传统神经网络具有过度依赖硬件资源和对应用设备性能要求较高的缺点,因此无法部署于算力有限的边缘设备和移动终端上,人工智能技术的应用发展在一定程度上受到了限制。然而,随着科技时代的到来,受用户需求影响的人工智能迫切需要在便携式设备上能成功进行如计算机视觉应用等方面的操作。为此,以近几年流行的轻量化神经网络中的卷积部分为研究对象,详细比对了各类轻量化模型中卷积构成方式的区别,并针对卷积设计的主要思路和特点进行了较为详细的阐述。首先,通过引入轻量化神经网络的概念,介绍了轻量化神经网络的发展现状和网络中卷积方面所面临的问题;然后,将卷积分为卷积结构轻量化、卷积模块轻量化和卷积运算轻量化三方面进行介绍,具体通过对各类轻量化神经网络模型中卷积设计的研究,来展示不同卷积的轻量化效果,并对其中优化方法的优缺点进行阐述;最后,对文中所有轻量化模型卷积设计的主要思路和使用方式进行了总结分析,并对其未来的可能性发展进行了展望。 展开更多
关键词 卷积 轻量化神经网络 网络模型 计算机视觉 深度学习
在线阅读 下载PDF
基于改进学习矢量量化神经网络输电线路故障识别技术 被引量：17
14
作者 宋亮亮 杨毅 +1 位作者 范栋琛 朱诚 《科学技术与工程》 北大核心 2021年第2期583-590,共8页
针对输电线路距离长、覆盖范围广,易受到自然环境和人为因素的影响,对输电线路故障分类和识别非常困难。在输电线路故障分类中将经验小波变换与改进的学习矢量量化神经网络相结合,使用经验小波变换提取输电线路的故障特征,并使用改进的... 针对输电线路距离长、覆盖范围广,易受到自然环境和人为因素的影响,对输电线路故障分类和识别非常困难。在输电线路故障分类中将经验小波变换与改进的学习矢量量化神经网络相结合,使用经验小波变换提取输电线路的故障特征,并使用改进的学习矢量量化神经网络识别故障特征。通过对不同故障类型、故障位置、过渡电阻和初始故障角度进行仿真,验证该模型的准确性和有效性。仿真结果表明,该方法在故障分类中具有一定的优势,不受上述因素的影响,具有良好的鲁棒性和故障分类性能。该研究为中国输电线故障识别技术的发展提供一定的参考。 展开更多
关键词 输电线路 经验小波变换 学习矢量量化神经网络 故障特征 故障分类
在线阅读 下载PDF
基于模糊C均值聚类及学习向量量化神经网络的负荷同时系数预测模型 被引量：5
15
作者 李江 杨润冰 +3 位作者 于文双 杨铮 巩彦江 叶宝柱 《南京理工大学学报》 EI CAS CSCD 北大核心 2020年第5期567-574,共8页
针对变压器及电缆容量确定问题,该文以负荷同时系数(LSF)预测为目标,建立考虑社会发展水平、人口构成、负荷类型的LSF影响因素指标体系。应用模糊C均值聚类对台区负荷的用电类型进行划分,基于学习向量量化(LVQ)神经网络建立LSF预测模型... 针对变压器及电缆容量确定问题,该文以负荷同时系数(LSF)预测为目标,建立考虑社会发展水平、人口构成、负荷类型的LSF影响因素指标体系。应用模糊C均值聚类对台区负荷的用电类型进行划分,基于学习向量量化(LVQ)神经网络建立LSF预测模型。该预测模型具有自动确定LSF影响因素权重、针对不同类型综合负荷预测的选择性强、便于依据实测数据更新模型参数的特点。LSF预测精度提高,为配变定容提供了有利依据。应用京津唐地区实际负荷验证了该文LSF预测方法的有效性。 展开更多
关键词 负荷同时系数 模糊C均值聚类 学习向量量化神经网络 变压器 电缆 容量
在线阅读 下载PDF
基于轻量化卷积神经网络的桥梁斜拉索PE护套损伤识别方法
16
作者 刘啸宇 黄永 +1 位作者 徐峰 李惠 《土木与环境工程学报（中英文）》 北大核心 2025年第1期167-178,共12页
深度神经网络和计算机视觉技术近年来在结构健康监测中发挥了越来越重要的作用。利用无人机航拍采集的桥梁斜拉索损伤图像数据,研究基于深度学习技术的斜拉索PE护套损伤识别方法。为实现在较低运算能力设备上对大跨度桥梁斜拉索表面局... 深度神经网络和计算机视觉技术近年来在结构健康监测中发挥了越来越重要的作用。利用无人机航拍采集的桥梁斜拉索损伤图像数据,研究基于深度学习技术的斜拉索PE护套损伤识别方法。为实现在较低运算能力设备上对大跨度桥梁斜拉索表面局部损伤的智能快速识别,解决传统深度卷积神经网络的运算效率相对较低、模型参数规模较大的问题,提出轻量化处理的区域推荐型卷积神经网络模型。介绍区域推荐网络与其轻量化改进方法的理论基础,分析轻量化模型处理的必要性,其能在保证识别精度的前提下降低模型训练与预测的设备性能需求,达到节约计算资源与时间的目的;通过数据增广等多手段解决损伤样本数据量不足的问题,设置对比试验,统计分析结果,验证了轻量化神经网络模型的优越性。结果表明,轻量化网络在牺牲少量识别准确度的前提下,能够在较大程度上实现对模型复杂度与计算量的改进,在工程应用中能有效拓展神经网络的实用性。 展开更多
关键词 桥梁斜拉索 智能损伤识别 轻量化神经网络 计算机视觉 深度学习
在线阅读 下载PDF
基于轻量化卷积神经网络的纬编针织物组织结构分类
17
作者 胡旭东 汤炜 +4 位作者 曾志发 汝欣 彭来湖 李建强 王博平 《纺织学报》 EI CAS CSCD 北大核心 2024年第5期60-69,共10页
为解决纬编针织物组织结构自动分类时现有方法计算量偏大的问题,基于轻量化卷积神经网络,提出了一种改进的纬编针织物组织结构分类方法。采集纬编针织物组织双面的图像,以准确判断其结构类型。在特征提取步骤中,引入了注意力机制模块,... 为解决纬编针织物组织结构自动分类时现有方法计算量偏大的问题,基于轻量化卷积神经网络,提出了一种改进的纬编针织物组织结构分类方法。采集纬编针织物组织双面的图像,以准确判断其结构类型。在特征提取步骤中,引入了注意力机制模块,修正各个层次特征在通道域和空间域的权重。构建的双分支网络架构能并行提取织物双面的特征信息。在分类阶段,采用了串行策略来融合高维特征向量,以确定纬编针织物组织所属类别。使用准确率、宏精确率、宏召回率以及宏F_(1)评估模型的性能,并统计了参数量和计算复杂度衡量模型的资源消耗。实验结果显示,对于纬编针织物特殊的结构特点,双分支网络架构具有很好的适应性。改进后的模型增强了不同组织间的特征区分度,在受到角度旋转、尺度改变、光照条件变化等干扰下,本文方法的分类准确率可达99.51%,且保持了较小的资源消耗。 展开更多
关键词 纬编针织物 组织结构分类 轻量化卷积神经网络 图像识别 双分支网络 注意力机制
在线阅读 下载PDF
基于轻量化多尺度神经网络的ZPW-2000移频信号检测方法
18
作者 武晓春 刘欣然 《中国铁道科学》 EI CAS CSCD 北大核心 2024年第5期187-197,共11页
针对ZPW-2000移频信号在不平衡牵引电流干扰时低频信号难以检测的问题,提出基于卷积注意力模块的轻量化多尺度神经网络的移频信号低频信息检测方法。首先,根据ZPW-2000移频信号的载频范围,使用不同卷积核大小的多尺度层提取相应载频调... 针对ZPW-2000移频信号在不平衡牵引电流干扰时低频信号难以检测的问题,提出基于卷积注意力模块的轻量化多尺度神经网络的移频信号低频信息检测方法。首先,根据ZPW-2000移频信号的载频范围,使用不同卷积核大小的多尺度层提取相应载频调制下的移频信号特征;其次,建立线性倒残差模块实现网络轻量化,在保证网络检测准确率的同时减少网络参数,缩短网络检测时长;最后,引入卷积注意力模块,标定通道和空间特征权重,提升网络性能,通过全连接层进行分类,输出18种低频信号的概率分布。结果表明:将含有工频谐波干扰等5类噪声的移频信号输入低频检测模型中进行检测,平均准确率可达99.22%,召回率达到99.21%,综合评价指标值为0.992,检测时间不超过0.249 s。该方法检测效果更优,具有良好的抗干扰能力,可为带内噪声干扰条件下检测ZPW-2000移频信号的低频信息提供重要参考。 展开更多
关键词 轻量化卷积神经网络 谐波干扰 多尺度神经网络 信号检测 ZPW-2000移频信号
在线阅读 下载PDF
基于轻量化卷积神经网络的雷达干扰识别技术研究 被引量：2
19
作者 张海舟 贺青 +2 位作者 马泽强 黄亮 李宗阳 《现代雷达》 CSCD 北大核心 2024年第6期79-84,共6页
随着科学技术的不断革新,当前电子战形势日益复杂,雷达面临的电子干扰呈高相参、强欺骗、隐匿性、低功率等特性,严重削弱了雷达的探测和跟踪性能,甚至使其失去作战能力。因此,精准识别雷达面临的有源干扰样式是雷达系统进行针对性干扰... 随着科学技术的不断革新,当前电子战形势日益复杂,雷达面临的电子干扰呈高相参、强欺骗、隐匿性、低功率等特性,严重削弱了雷达的探测和跟踪性能,甚至使其失去作战能力。因此,精准识别雷达面临的有源干扰样式是雷达系统进行针对性干扰抑制的前提。轻量化卷积神经网络(MobileNet)无需人为提取特征便能有效捕获图像中的空间结构信息,在图像处理及分类领域表现优异。文中提出了基于MobileNet的雷达干扰识别模型,应用对雷达有源干扰的时频特性数据集验证模型的分类效果。实验结果表明,所建立的模型对雷达干扰识别分类的F1-score高达约0.9,相比于SIFT模板匹配、CNN等模型在各指标上更优,分类效果更好。 展开更多
关键词 雷达 有源干扰 轻量化卷积神经网络 分类
在线阅读 下载PDF
基于超轻量化卷积神经网络的番茄病虫害诊断 被引量：2
20
作者 梁凯博 孙立 +3 位作者 汪禹治 靳龙豪 燕雪倩 曾旺 《江苏农业学报》 CSCD 北大核心 2024年第3期438-449,共12页
针对番茄病虫害诊断中存在的传统卷积神经网络结构复杂、难以直接应用于便携终端,以及现有轻量化卷积神经网络特征提取能力弱、识别准确率低、难以满足实际需要等问题,本研究拟在原有轻量化卷积神经网络的基础上,定义超轻量化卷积神经网... 针对番茄病虫害诊断中存在的传统卷积神经网络结构复杂、难以直接应用于便携终端,以及现有轻量化卷积神经网络特征提取能力弱、识别准确率低、难以满足实际需要等问题,本研究拟在原有轻量化卷积神经网络的基础上,定义超轻量化卷积神经网络,设计一种基于SqueezeNet网络改进的超轻量化卷积神经网络,将其用于番茄病虫害诊断任务中。首先,改进SqueezeNet网络中的Fire模块,生成2种适用于不同特征维度的Fire模块,并引入ECA(高效通道注意力)模块以提高模型的特征提取能力;其次,结合扩展型指数线性单元函数(SELU)和Mish函数,替代修正线性单元函数(ReLU)作为激活函数;再次,采用软池化(Softpool)替代原始的最大池化;最后,利用中心损失函数(Center loss)改进指数归一化损失函数(Softmax loss),提高对近似病虫害的识别准确率。本研究选择了8种害虫和9种病害,对害虫、病害、病虫害3类数据集进行数据增强,并探讨了数据的小样本性、不平衡性对模型性能的影响。结果表明,本研究提出的模型具有超轻量化的特点,对害虫、病害、病虫害的识别准确率最高分别可达98.83%、98.14%和97.71%,能够很好地满足番茄病虫害诊断需求。 展开更多
关键词 图像识别 番茄病虫害 超轻量化卷积神经网络 不平衡性
在线阅读 下载PDF
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 2 … 5 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部