基于OpenMV模组和MobileNet V2模型的葡萄图像识别

1

作者 戈秀龙 戴文华 +2 位作者 李积武 赵云 沈佳健 《农机化研究》 北大核心 2025年第10期259-267,共9页

为了提高葡萄种植棚内葡萄自动采摘的准确度和效率,在葡萄的图像识别中必须依靠性能优越的嵌入式计算机和轻量级低延迟的神经网络模型。为此,基于OpenMV4 H7 Plus和OpenMV IDE开发环境,在葡萄种植棚中现场采集葡萄图片,利用PyCharm的Pyt... 为了提高葡萄种植棚内葡萄自动采摘的准确度和效率,在葡萄的图像识别中必须依靠性能优越的嵌入式计算机和轻量级低延迟的神经网络模型。为此,基于OpenMV4 H7 Plus和OpenMV IDE开发环境,在葡萄种植棚中现场采集葡萄图片,利用PyCharm的Python编程,经过旋转、平移、缩放和噪声添加等操作后形成扩展的深度学习葡萄图像数据集;应用Edge Impulse搭建模型规模小、检测速度快的MobileNet V2神经网络,以像素96×96作为输入并采用迁移学习的方式训练,得到反映模型质量的Epoch Loss、Train Loss、Recall和F 1 Score等指标,显示在经过一定的学习循环后Epoch Loss、Train Loss均收敛到较小值且Recall和F 1 Score逐步趋于稳定,其验证集准确度为92.4%;同时,搭建了一个试验装置,将所得模型部署到OpenMV4 H7 Plus模块,模拟试验摄像头相对葡萄横向移动时的识别效果。研究结果表明:配置了神经网络学习算法的OpenMV4 H7 Plus模块对葡萄识别准确度较高且识别速度较快,具有一定的应用价值。 展开更多

关键词 葡萄图像识别 机器视觉 神经网络 OpenMV4 H7 Plus mobilenet V2

在线阅读 下载PDF 职称材料

基于改进轻量级MobileNet V2-DeepLab V3^(+)模型的恐龙谷环状地区土地利用分类

2

作者 任聪 甘淑 +2 位作者 袁希平 罗为东 朱智富 《兰州大学学报(自然科学版)》 北大核心 2025年第4期436-441,共6页

针对传统卷积神经网络模型对全局特征捕捉不足的缺陷,提出一种基于改进的DeepLab V3^(+)全局通道空间注意力模型.通过处理无人机影像数据,以轻量级网络MobileNet V2为主干网络,结合通道注意力、通道洗牌和空间注意力机制,增强了特征的... 针对传统卷积神经网络模型对全局特征捕捉不足的缺陷,提出一种基于改进的DeepLab V3^(+)全局通道空间注意力模型.通过处理无人机影像数据,以轻量级网络MobileNet V2为主干网络,结合通道注意力、通道洗牌和空间注意力机制,增强了特征的全局特征捕捉能力,有效提升了研究区的土地利用分类精度.在以专家经验构建的道路、耕地、草地等样本中进行对比实验,结果表明,该方法的平均准确率、平均召回率、平均F_(1)分数、平均交并比及К系数比原始DeepLab V3^(+)模型分别提高了1.90%、2.22%、2.22%、3.37%、2.74%,其分割效果相比其他模型,更加关注图像的全局特征,提升了对复杂纹理类别的识别精度. 展开更多

关键词 全局通道空间注意力 mobilenet V2网络 DeepLab V3^(+)模型 土地利用 语义分割

在线阅读 下载PDF 职称材料

基于轻量级MobileNet-SSD模型的人流量检测 被引量：4

3

作者 张智 盛健 《计算机应用与软件》 北大核心 2024年第1期89-96,145,共9页

利用深度神经网络模型识别行人目标并检测具有十分高的价值。现实高密度行人检测场景中由于硬件基础以及网络性能消耗等问题的影响,常常需要选取处理速度高、硬件条件要求低的网络且同时兼顾视频监控的连续特性,因此选取了轻量级MobileN... 利用深度神经网络模型识别行人目标并检测具有十分高的价值。现实高密度行人检测场景中由于硬件基础以及网络性能消耗等问题的影响,常常需要选取处理速度高、硬件条件要求低的网络且同时兼顾视频监控的连续特性,因此选取了轻量级MobileNet-SSD网络来高效处理人头目标并引入帧间差分的方式,来有效对人头的椭圆特征目标进行跟踪;结合相关数理方法实现行人跨线计数的高性能人流量检测解决方案。在不同数据集上同现今一流的检测模型作比较,该方法皆表现出优良的检测性能。 展开更多

关键词 mobilenet-SSD 帧间差分 跨线计数 轻量级网络

在线阅读 下载PDF 职称材料

基于改进MobileNet V3网络的桃子成熟度分级方法

4

作者 孔淳 陈诗瑶 +4 位作者 冯峰 陈维康 刘鹏 孙博 王志军 《山东农业科学》 北大核心 2024年第11期148-155,共8页

目前在我国桃业生产过程中主要采用基于主观经验的人工方式对桃子外观成熟度进行分级,该方式不仅效率较低,而且易受主观因素的影响,导致同一批次的桃子在成熟度等级上参差不齐,无法达到国际桃品销售中所要求的成熟度品级标准。针对上述... 目前在我国桃业生产过程中主要采用基于主观经验的人工方式对桃子外观成熟度进行分级,该方式不仅效率较低,而且易受主观因素的影响,导致同一批次的桃子在成熟度等级上参差不齐,无法达到国际桃品销售中所要求的成熟度品级标准。针对上述问题,本研究提出一种基于改进卷积神经网络MobileNet V3的桃子外观成熟度分级模型CS-MobileNet-P-L:首先,为了提升模型的特征提取能力,将多方位协调注意力机制模块引入原有注意力机制中,以构成双重注意力机制;其次,为提高模型的分级准确度,对网络Bneck结构中的激活函数进行调整并对模型的Last Stage结构进行优化改进。结果表明,当使用相同训练策略及环境配置时,改进后的CS-MobileNet-P-L模型的准确度比MobileNet V3模型提高了2.71个百分点,能较好地实现桃子外观成熟度的自动化精准分级。 展开更多

关键词 桃子 外观成熟度分级 卷积神经网络 mobilenet V3 注意力机制 激活函数

在线阅读 下载PDF 职称材料

融合SKNet与MobilenetV3的芒果叶片病虫害分类方法

5

作者 沈熠辉 何惠彬 +1 位作者 陈小宇 颜胜男 《福建农业学报》 CAS CSCD 北大核心 2024年第5期584-592,共9页

【目的】针对芒果叶片病虫害缺少数据集和识别准确率低的问题,筛选构建芒果叶片病虫害分类模型,以提高芒果叶病虫害分类准确率。【方法】提出使用去噪扩散模型进行病虫害数据增强,同时联合SKNet与MobilenetV3模型的芒果叶片病虫害分类... 【目的】针对芒果叶片病虫害缺少数据集和识别准确率低的问题,筛选构建芒果叶片病虫害分类模型,以提高芒果叶病虫害分类准确率。【方法】提出使用去噪扩散模型进行病虫害数据增强,同时联合SKNet与MobilenetV3模型的芒果叶片病虫害分类方法。首先使用去噪扩散模型对数据集进行扩充,再采用多尺度结构相似性指标对生成的病虫害图像与拍摄的病虫害图像之间的相似程度进行评估,接着对DDIM与DCGAN网络训练和生成效果进行比对。在MobilenetV3模型中,将SE注意力模块替换为SKNet模块进行构建网络模型。【结果】使用DDIM生成的所有类型的病虫害图像与拍摄的病虫害图像的MS-SSIM指标均大于0.63,且都高于DCGAN。相较于其他注意力模块,联合SKNet与MobilenetV3的分类效果最佳,在98%以上。对添加CA、CBAM、ECA注意力模块进行平滑类激活图可视化,对比其他注意力模块,使用SKNet注意力分布区域更为集中在病虫害叶片上。【结论】该方法在病虫害叶片检测上具有良好的应用前景,能提升病虫害识别效率与精度,减少检测成本,同时可应用于移动式或者嵌入式设备。 展开更多

关键词 芒果叶片 扩散概率模型 mobilenet Selective Kernel networks

在线阅读 下载PDF 职称材料

基于轻量化网络和迁移学习的岩石智能识别 被引量：1

6

作者 李顺勇 李青辉 邢煜曼 《科学技术与工程》 北大核心 2025年第5期1774-1782,共9页

在岩石图像识别中,实现岩石快速准确的识别是岩石数字化发展的关键。其中,光照、湿度等环境因素引起的图像模糊问题成为岩石智能识别的最大挑战之一。基于此,提出了一种新的深度学习方法(MbileNetV3-small-RegNetX)来识别岩石图像,其适... 在岩石图像识别中,实现岩石快速准确的识别是岩石数字化发展的关键。其中,光照、湿度等环境因素引起的图像模糊问题成为岩石智能识别的最大挑战之一。基于此,提出了一种新的深度学习方法(MbileNetV3-small-RegNetX)来识别岩石图像,其适用于移动设备等资源有限的场景。在RegNet网络的基础上采用迁移学习方法,结合MobileNetV3残差结构与通道注意力(squeeze-and-excitation,SE)模块的优势,有效地优化了特征提取与网络结构,并显著提升了检测速度。为验证该方法的准确性,将新模型与当下主流的轻量化模型(DenseNet和ShuffleNet)进行消融对比实验。结果显示,所提模型表现出高精度(82.15%)、快速(0.06 GFLOPs)的特点。此外,该模型对于光照、湿度等环境因素引起的图像模糊具有良好的适应性。 展开更多

关键词 岩石识别 深度学习 图像分类 迁移学习 mobilenet网络

在线阅读 下载PDF 职称材料

基于MobileNet与YOLOv3的轻量化卷积神经网络设计 被引量：51

7

作者 邵伟平 王兴 +1 位作者 曹昭睿 白帆 《计算机应用》 CSCD 北大核心 2020年第S01期8-13,共6页

针对当前基于卷积神经网络的目标检测算法在小型图像处理计算平台中兼容性较差、计算能力低下以及网络训练过程中占用内存过大的问题,提出了一种轻量化卷积神经网络(CNN)YOLO-Slim,并利用YOLOv3验证可行性。首先,通过网络基础构架的改... 针对当前基于卷积神经网络的目标检测算法在小型图像处理计算平台中兼容性较差、计算能力低下以及网络训练过程中占用内存过大的问题,提出了一种轻量化卷积神经网络(CNN)YOLO-Slim,并利用YOLOv3验证可行性。首先,通过网络基础构架的改变以及将标准卷积替换为深度可分离卷积实现了网络参数与计算量的大幅度降低;其次,依据网络层对平均精度均值(mAP)的影响程度剪枝网络层,实现网络的层间剪枝;然后,使用中位数的通道剪枝策略实现对网络的层内剪枝,最终,完成轻量化网络的设计。实验结果表明,在VOC2007测试数据集上所设计的YOLO-Slim较原始YOLOv3在模型大小方面减小了90%;mAP为76.42%,识别速度为16 ms。能够为微型图像计算平台提供快速精确的目标识别能力。 展开更多

关键词 深度学习 卷积神经网络 mobilenet YOLOv3 轻量化网络

在线阅读 下载PDF 职称材料

结合Y^(d)U^(a)V^(a)颜色模型和改进MobileNetV3的视频烟雾检测方法 被引量：7

8

作者 刘通 程江华 +2 位作者 华宏虎 罗笑冰 程榜 《国防科技大学学报》 EI CAS CSCD 北大核心 2021年第5期80-85,共6页

为降低视频烟雾检测中的虚警率和提升检测效率,提出Y^(d)U^(a)V^(a)颜色模型,该模型可以表征烟雾的空间域分布特性和时间域变化特性。利用该颜色模型快速筛选出疑似烟雾图像块,降低虚警率和提升运算效率。提出改进的MobileNetV3网络结构... 为降低视频烟雾检测中的虚警率和提升检测效率,提出Y^(d)U^(a)V^(a)颜色模型,该模型可以表征烟雾的空间域分布特性和时间域变化特性。利用该颜色模型快速筛选出疑似烟雾图像块,降低虚警率和提升运算效率。提出改进的MobileNetV3网络结构,用于提取图像深度特征并对疑似烟雾图像块进行分类识别,检测视频中是否存在烟雾。视频烟雾检测仿真结果表明:该方法准确率和检测帧率高,虚警率低。 展开更多

关键词 烟雾检测 深度学习 颜色模型 轻量级网络 mobilenet

在线阅读 下载PDF 职称材料

基于局部感受野扩张D-MobileNet模型的图像分类方法 被引量：6

9

作者 王威 邹婷 王新 《计算机应用研究》 CSCD 北大核心 2020年第4期1261-1264,1270,共5页

针对轻量级深度神经网络MobileNet会减少分类准确率的问题,将空洞卷积核引入MobileNet模型的某一卷积层中,提出一种基于局部感受野扩张的D-MobileNet模型。该模型根据空洞卷积核所在位置的不同分为三种结构,在不增加参数数量的同时能够... 针对轻量级深度神经网络MobileNet会减少分类准确率的问题,将空洞卷积核引入MobileNet模型的某一卷积层中,提出一种基于局部感受野扩张的D-MobileNet模型。该模型根据空洞卷积核所在位置的不同分为三种结构,在不增加参数数量的同时能够扩大该层卷积核的局部感受野,提高分类精度。实验在Caltech-101数据集、Caltech-256数据集以及图宾根大学动物分类数据库上进行,结果表明,D-MobileNet模型可获得比MobileNet更好的分类准确率,最多可以提高2%。 展开更多

关键词 图像分类 深度神经网络 mobilenet 空洞卷积 D-mobilenet

在线阅读 下载PDF 职称材料

基于浅层Inception-MobileNet旋转机械故障诊断 被引量：4

10

作者 孙国栋 杨雄 +1 位作者 黄得龙 高媛 《噪声与振动控制》 CSCD 北大核心 2022年第5期108-115,共8页

针对现有的旋转机械故障诊断算法存在着时频表示模糊、特征提取困难,从而导致故障诊断效率和精度较低的问题,提出一种基于浅层Inception-MobileNet的旋转机械故障诊断模型。该模型通过拼接法将原始振动信号转换为二维图像,然后采用多尺... 针对现有的旋转机械故障诊断算法存在着时频表示模糊、特征提取困难,从而导致故障诊断效率和精度较低的问题,提出一种基于浅层Inception-MobileNet的旋转机械故障诊断模型。该模型通过拼接法将原始振动信号转换为二维图像,然后采用多尺度卷积核提取不同分辨率的特征图,并结合深度可分离卷积实现特征学习与分类。该网络在CWRU数据集和MFPT数据集上分别实现了十种故障分类和三种故障分类,分类精度为99.5%和95.78%。与传统的网络进行比较,该网络可提高特征提取能力,并且在相同数据集上该网络实现的故障识别精度最高。 展开更多

关键词 故障诊断 旋转机械 浅层Inception-mobilenet 卷积神经网络

在线阅读 下载PDF 职称材料

基于深度可分离卷积与注意力机制的单导联心房颤动轻量级分类网络

11

作者 洪永 张鑫 +2 位作者 林铭俊 吴秋岑 陈超敏 《南方医科大学学报》 北大核心 2025年第3期650-660,共11页

目的设计一个深度学习模型,实现模型复杂度和模型性能的平衡,以便于集成到可穿戴心电监护设备上,实现本地的房颤自动诊断。方法从公开数据集LTAFDB、AFDB和NSRDB上分别收集了84例、25例房颤患者和18例无明显心律失常受试者的数据进行实... 目的设计一个深度学习模型,实现模型复杂度和模型性能的平衡,以便于集成到可穿戴心电监护设备上,实现本地的房颤自动诊断。方法从公开数据集LTAFDB、AFDB和NSRDB上分别收集了84例、25例房颤患者和18例无明显心律失常受试者的数据进行实验和测试。提出了一个基于深度可分离卷积并融合通道空间信息的轻量级注意网络—DSC-AttNet,引入深度可分离卷积代替标准卷积,降低模型参数量和计算量,实现模型的高效和轻量化;并嵌入多层混合注意力机制以在不同尺度上计算通道信息和空间信息的注意权重,提高模型的特征表达能力。在LTAFDB上进行十折交叉验证,并在AFDB和NSRDB上进行外部独立测试。结果DSC-AttNet在测试集上的十折平均准确率达到97.33%,精确率达到97.30%,均优于其他4个对比模型以及3个经典模型。模型在外部测试集上的准确率分别达到92.78%和99.97%,优于3个经典模型。且DSC-AttNet的参数量为1.01M,计算量为27.19 G,小于3个经典模型。结论该房颤分类方法具有较小的复杂度,达到了更好的分类性能,并且泛化能力较好,具有良好的临床应用前景和推广能力。 展开更多

关键词 心电图 心房颤动 卷积块注意模块 mobilenet 轻量级卷积神经网络

在线阅读 下载PDF 职称材料

一种基于改进的MobileNetV2网络语义分割算法 被引量：32

12

作者 孟琭 徐磊 郭嘉阳 《电子学报》 EI CAS CSCD 北大核心 2020年第9期1769-1776,共8页

基于金字塔卷积神经网络的语义分割算法准确率很高,但是其计算资源消耗巨大、算法执行时间长、无法满足实时性要求.为了解决这个问题,本文做出了以下改进:(1)用MobileNet替换原网络的结构,减少了网络运算时间和内存开销;(2)引入编码器-... 基于金字塔卷积神经网络的语义分割算法准确率很高,但是其计算资源消耗巨大、算法执行时间长、无法满足实时性要求.为了解决这个问题,本文做出了以下改进:(1)用MobileNet替换原网络的结构,减少了网络运算时间和内存开销;(2)引入编码器-解码器结构提高输出图像的分辨率,进一步细化分割结果;(3)针对高分辨率图像推断时间过长的问题,本文设计了多级图像输入方法,降低了网络推断高分辨率图像所消耗的时间.本文在VOC 2012数据集和Cityscapes数据集上进行了测试,并与FCN、SegNet、DeepLab、PSPNet以及DFN等语义分割模型对比.实验结果表明,本文设计的语义分割算法在VOC 2012数据集上达到了76.1%的mIoU,在Cityscapes数据集上达到了74.1%的mIoU,略低于传统语义分割算法;处理一张分辨率为1024×512的图片需要18ms,少于传统语义分割算法,满足了实时性要求,达到了准确率与计算资源消耗之间的平衡. 展开更多

关键词 语义分割 卷积神经网络 金字塔网络 快速语义分割 mobilenet 编码器-解码器

在线阅读 下载PDF 职称材料

基于改进MobileNet V1的红外图像人体行为识别方法 被引量：2

13

作者 毛天雅 余磊 +4 位作者 周啸辉 姚天 万文文 熊邦书 欧巧凤 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2023年第3期362-369,共8页

为解决红外图像人体行为识别中深度学习模型参数量多、运行速度慢,以及无法对突发事件进行实时处理等问题,提出一种基于改进MobileNet V1网络的人体行为识别方法。根据红外图像特性,在通道维度上压缩输入特征,生成空间信息描述符;进行... 为解决红外图像人体行为识别中深度学习模型参数量多、运行速度慢,以及无法对突发事件进行实时处理等问题,提出一种基于改进MobileNet V1网络的人体行为识别方法。根据红外图像特性,在通道维度上压缩输入特征,生成空间信息描述符;进行充分的信息交互,并由Sigmoid函数得权重向量;与输入特征相乘,获得优化后的特征,构建高效空间注意力模块;利用空间注意力模块改进MobileNet V1网络,保留其轻量化优势并提升其在红外条件下的性能。实验结果表明,MobileNet V1+ESA网络的识别率达到99.83%,明显优于MobileNet V1网络;与基于红外图像的其他网络相比,在识别精度基本不变的情况下,大幅降低了参数量和运行时间,取得了良好的识别效果。 展开更多

关键词 人体行为识别 红外图像 mobilenet V1网络 空间注意力 ESA模块

在线阅读 下载PDF 职称材料

基于轻量级网络MobileNet V2的二极管玻壳缺陷识别 被引量：7

14

作者 哈马友吉 任万春 +1 位作者 张秤 张华 《传感器与微系统》 CSCD 北大核心 2022年第4期153-155,160,共4页

针对目前二极管玻壳缺陷检测中存在的自动化程度低、效率低、错误率高和成本高等问题,提出了一种基于MobileNet V2卷积神经网络模型的图像识别算法,实现对二极管玻壳缺陷的准确识别。实验结果表明:该模型能够准确识别二极管玻壳缺陷,网... 针对目前二极管玻壳缺陷检测中存在的自动化程度低、效率低、错误率高和成本高等问题,提出了一种基于MobileNet V2卷积神经网络模型的图像识别算法,实现对二极管玻壳缺陷的准确识别。实验结果表明:该模型能够准确识别二极管玻壳缺陷,网络模型收敛后对玻壳缺陷的总体识别准确率达到93.3%,同时具备了检测速度快(图像识别速度不小于5张/s),模型体量小(不大于26.8 M)等特点,具有一定的实际工业应用价值。 展开更多

关键词 玻壳 卷积神经网络 缺陷识别 mobilenet V2网络

在线阅读 下载PDF 职称材料

改进MobileNetv3-YOLOv3交通标志牌检测算法 被引量：9

15

作者 刘宇宸 石刚 +2 位作者 崔青 刘明辉 郑秋萍 《东北师大学报（自然科学版）》 CAS 北大核心 2022年第2期53-60,共8页

提出了一种改进的MobileNetv3-YOLOv3算法.引入SPPNet去除重复特征,提高候选框的选取速度,加快模型的推理速度;引入CSPNet消除计算瓶颈,节省计算量;引入Focus层防止特征图信息丢失,保证模型的准确度.在CCTSDB数据集上的实验结果表明:Mob... 提出了一种改进的MobileNetv3-YOLOv3算法.引入SPPNet去除重复特征,提高候选框的选取速度,加快模型的推理速度;引入CSPNet消除计算瓶颈,节省计算量;引入Focus层防止特征图信息丢失,保证模型的准确度.在CCTSDB数据集上的实验结果表明:MobileNetv3与YOLOv3算法结合最佳,改进MobileNetv3-YOLOv3算法的平均精度高达97.7%,检测速度FPS达到89,与YOLOv3算法相比较,本文算法精确度(P)、召回率(R)、平均精度值(mAP)、每秒传输帧数(FPS)都得到了提升,分别提升6%,1.8%,1.8%和15%,与最新的算法相比较本文的P值以及mAP值均取得了最优的结果.可以看出所提出的算法在极大地减少模型参数量和计算量的同时,提高了检测精度以及检测速度. 展开更多

关键词 交通标志检测 mobilenet 聚焦层 跨阶段局部网络

在线阅读 下载PDF 职称材料

基于MobileNet的恶意软件家族分类模型 被引量：10

16

作者 曾娅琴 张琳琳 +1 位作者 张若楠 杨波 《计算机工程》 CAS CSCD 北大核心 2020年第4期162-168,共7页

现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族... 现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性,利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2,自动提取纹理特征,并采用Softmax分类器对恶意代码进行家族分类.实验结果表明,该模型对恶意代码分类的平均准确率为99.32%,较经典的恶意代码可视化模型高出2.14个百分点. 展开更多

关键词 卷积神经网络 恶意软件分类 纹理特征 mobilenet v2模型 Softmax模型

在线阅读 下载PDF 职称材料

基于FPGA的高效可伸缩的MobileNet加速器实现 被引量：4

17

作者 萧嘉乐 梁东宝 +1 位作者 陈弟虎 粟涛 《计算机工程与科学》 CSCD 北大核心 2021年第4期628-633,共6页

MobileNet网络是一种广泛应用于嵌入式领域的深度神经网络,为了解决其硬件实现效率低的问题,同时达到在不同硬件资源下具有一定可伸缩性,提出了基于FPGA的一款MobileNet网络加速器结构,针对网络的堆叠结构特性设计了三级流水的加速阵列... MobileNet网络是一种广泛应用于嵌入式领域的深度神经网络,为了解决其硬件实现效率低的问题,同时达到在不同硬件资源下具有一定可伸缩性,提出了基于FPGA的一款MobileNet网络加速器结构,针对网络的堆叠结构特性设计了三级流水的加速阵列,并实现了在0~4000乘法器开销下都达到70%以上的计算效率。最终在XILINX Zynq-7000 ZC706开发板上实现了MoblieNet网络加速器,在150 MHz工作频率下,可达到156 Gop/s的性能和61%的计算效率,计算效率高于其他MobileNet网络加速器的。 展开更多

关键词 mobilenet网络 卷积神经网络 硬件加速器

在线阅读 下载PDF 职称材料

基于轻量级MobileNet V3-YOLOv4的生长期菠萝成熟度分析 被引量：7

18

作者 李阳德 马晓慧 王骥 《智慧农业（中英文）》 CSCD 2023年第2期35-44,共10页

[目的/意义]菠萝的贮藏性与成熟度相关,菠萝采摘前对其成熟度进行识别尤为重要。本研究目的在于提出一种新型网络模型,提高菠萝成熟度自动识别的准确率和速度。[方法]首先针对菠萝训练数据集样本少与实时性差等不足,利用在自然环境下拍... [目的/意义]菠萝的贮藏性与成熟度相关,菠萝采摘前对其成熟度进行识别尤为重要。本研究目的在于提出一种新型网络模型,提高菠萝成熟度自动识别的准确率和速度。[方法]首先针对菠萝训练数据集样本少与实时性差等不足,利用在自然环境下拍摄的菠萝照片,自建了种植区场景菠萝成熟度分析数据集。之后将YOLOv4骨干网络替换成轻量级网络MobileNet V3,提出了轻量级的MobileNet V3-YOLOv4网络。同时训练了原YOLOv4模型、MobileNet V1-YOLOv4模型、MobileNet V2-YOLOv4模型以及Faster R-CNN、YOLOv3、SSD300、Retinanet、Centernet等五种不同的单、双阶段网络模型,并对比模型的评价指标,分析本文模型的优越性。[结果和讨论]试验结果表明,MobileNet V3-YOLOv4训练时间为11,924 s,参数量为53.7 MB,训练好的MobileNet V3-YOLOv4在验证集的平均精度均值(mean Average Precision,mAP)为90.92%,对于黄熟期菠萝和青熟期菠萝两种类别的检测精确率(Precision)分别为100%和98.85%,平均精度(Average Precision,AP)值分别为87.62%、94.21%,召回率(Recall)分别为77.55%、86.00%,F_(1)分数(F_(1)Score)分别为0.87和0.92,推理速度(Frames Per Second,FPS)80.85 img/s。[结论]本研究提出的MobileNet V3-YOLOv4实现了在降低训练速度、减小参数量的同时,提高了菠萝成熟度识别的精度和推理速度,满足实际检测需求。 展开更多

关键词 菠萝成熟度 骨干网络 mobilenet V3-YOLOv4 Faster R-CNN SSD300 Retinanet Centernet 轻量级

在线阅读 下载PDF 职称材料

融合小波包变换的一维MobileNet癫痫脑电信号识别 被引量：1

19

作者 刘安康 成凌飞 张宣 《传感技术学报》 CAS CSCD 北大核心 2023年第4期616-622,共7页

针对目前传统神经网络内存需求大,运算量大,在移动端或嵌入式设备上运行困难等问题,提出了一种融合了小波包变换的轻量级卷积神经网络模型,用于癫痫脑电信号识别的研究。根据癫痫脑电信号的特性,首先采用小波包变换将脑电信号分成三个频... 针对目前传统神经网络内存需求大,运算量大,在移动端或嵌入式设备上运行困难等问题,提出了一种融合了小波包变换的轻量级卷积神经网络模型,用于癫痫脑电信号识别的研究。根据癫痫脑电信号的特性,首先采用小波包变换将脑电信号分成三个频段,然后运用改进的一维MobileNet训练、分类。同时引入超参数宽度因子α,通过改变宽度因子的大小以调整模型的深度。实验结果表明,当一维MobileNet模型的宽度因子α选取为0.75时,最终准确率达到100%,其模型的计算量和参数量分别为56.1M和1.24M。与现有的癫痫EEG信号识别方法比较,此模型在准确率、参数量、计算量方面均有不错的表现。 展开更多

关键词 脑电信号 癫痫检测 小波包变换 mobilenet 轻量级神经网络

在线阅读 下载PDF 职称材料

基于脑电信号特征的高铁调度员疲劳状态识别 被引量：2

20

作者 张光远 邓龙 +3 位作者 王亚伟 孙自伟 李莎 陈诚 《中国安全科学学报》 CAS CSCD 北大核心 2024年第6期235-246,共12页

为增强铁路行车的稳定性与安全性,有效识别调度员的疲劳状态对行车组织的影响,基于脑电(EEG)信号特征,提出一种调度员疲劳状态识别方法,根据作业时间段划分调度员的疲劳状态,设计高铁调度模拟试验获取脑电信号数据,通过小波级数展开和... 为增强铁路行车的稳定性与安全性,有效识别调度员的疲劳状态对行车组织的影响,基于脑电(EEG)信号特征,提出一种调度员疲劳状态识别方法,根据作业时间段划分调度员的疲劳状态,设计高铁调度模拟试验获取脑电信号数据,通过小波级数展开和傅里叶变换提取高铁调度被试的3种脑电波频域幅值作为特征值,结合调度员作业特征和脑电信号特征,验证疲劳状态的划分结果,通过Python语言环境搭建ResNet18+SoftMax和MobileNet V2+SoftMax这2种模型,基于深度学习方法,将输入特征转换为三维立体矩形模型,并优化调整权重,获得最优模型,从而判断高铁调度员的疲劳状态。研究结果表明:ResNet18+SoftMax和MobileNet V2+SoftMax神经网络模型对高铁调度试验参与人员的疲劳状态识别准确率分别为92.78%和99.17%;相较于支持向量机(SVM)模型,这2种模型可提升清醒状态和疲劳状态的识别精度,并降低运算时间,其中,MobileNet V2+SoftMax模型的识别准确率和运行速度最优。以MobileNet V2+SoftMax模型原理为内核,可以更快速准确地识别高铁调度员在长时间作业条件下的潜在疲劳风险。 展开更多

关键词 脑电(EEG)信号 高铁调度员 疲劳状态识别 mobilenet V2网络 ResNet18网络 SoftMax回归

在线阅读 下载PDF 职称材料