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
基于多尺度特征融合SSDLite的光伏组件缺陷检测
被引量：
1
1
作者
项新建
汤卉
+3 位作者
肖家乐
王世乾
张颖超
王磊
《太阳能学报》
北大核心
2025年第1期669-675,共7页
为了应对光伏组件缺陷检测中人工检测速度缓慢以及使用YOLO等深度学习模型时速度较慢且硬件成本高的问题,提出一种基于SSDLite的多层特征融合轻量化目标检测方法。该方法采用MobileNetV2作为SSDLite模型的骨干网络,并从中提取3个不同层...
为了应对光伏组件缺陷检测中人工检测速度缓慢以及使用YOLO等深度学习模型时速度较慢且硬件成本高的问题,提出一种基于SSDLite的多层特征融合轻量化目标检测方法。该方法采用MobileNetV2作为SSDLite模型的骨干网络,并从中提取3个不同层次的特征层进行特征融合。针对不同缺陷的尺寸特点,对模型中的先验框的大小也进行了重新设计。在MobileNetV2的瓶颈结构中引入CBAM注意力机制,以提高模型的检测精度。相比传统的SSDLite模型,该文模型平均精度从65.8%提高至72.4%,虽然速度略微下降,但已基本满足实际应用的需求。
展开更多
关键词
光伏组件
目标检测
深度学习
ssdlite
多层特征融合
MobileNetV2
在线阅读
下载PDF
职称材料
面向嵌入式平台的轻量化神经网络手势识别方法
被引量：
12
2
作者
杨晨奕
何玉青
+1 位作者
赵俊媛
李国荣
《强激光与粒子束》
CAS
CSCD
北大核心
2022年第3期138-146,共9页
针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题,基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制,常用的目标检测神经网络在嵌...
针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题,基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制,常用的目标检测神经网络在嵌入式上的识别速度较低,不能满足实时手势识别的要求。在SSD目标检测的基础上对其进行优化,使用MobileNetv3网络实现特征提取,目标检测方面则是使用SSD-lite结构,其使用深度可分离卷积替代普通卷积,实现了轻量化MobileNetv3-SSDLite手势识别算法的设计。针对手势识别的要求,制作了包含不同手势的数据集,利用它在服务器上完成了模型的训练。为了满足嵌入式的算力限制,通过模型的量化压缩将float64的网络参数量化为int8,并压缩网络结构,提高网络在嵌入式上的推理速度,实现基于嵌入式的手势识别。实验结果表明,基于嵌入式的MobileNetv3-SSDLite手势识别算法可以达到平均准确率99.61%,且识别速度达到每秒50帧以上,满足实时手势识别的要求。
展开更多
关键词
手势识别
深度神经网络
嵌入式
轻量化
MobileNev3-
ssdlite
在线阅读
下载PDF
职称材料
题名
基于多尺度特征融合SSDLite的光伏组件缺陷检测
被引量：
1
1
作者
项新建
汤卉
肖家乐
王世乾
张颖超
王磊
机构
浙江科技学院自动化与电气工程学院
杭州申昊科技股份有限公司
出处
《太阳能学报》
北大核心
2025年第1期669-675,共7页
文摘
为了应对光伏组件缺陷检测中人工检测速度缓慢以及使用YOLO等深度学习模型时速度较慢且硬件成本高的问题,提出一种基于SSDLite的多层特征融合轻量化目标检测方法。该方法采用MobileNetV2作为SSDLite模型的骨干网络,并从中提取3个不同层次的特征层进行特征融合。针对不同缺陷的尺寸特点,对模型中的先验框的大小也进行了重新设计。在MobileNetV2的瓶颈结构中引入CBAM注意力机制,以提高模型的检测精度。相比传统的SSDLite模型,该文模型平均精度从65.8%提高至72.4%,虽然速度略微下降,但已基本满足实际应用的需求。
关键词
光伏组件
目标检测
深度学习
ssdlite
多层特征融合
MobileNetV2
Keywords
photovoltaic modules
object detection
deep learning
ssdlite
multi-layer feature fusion
MobileNetV2
分类号
TK514 [动力工程及工程热物理—热能工程]
在线阅读
下载PDF
职称材料
题名
面向嵌入式平台的轻量化神经网络手势识别方法
被引量：
12
2
作者
杨晨奕
何玉青
赵俊媛
李国荣
机构
北京理工大学光电学院
出处
《强激光与粒子束》
CAS
CSCD
北大核心
2022年第3期138-146,共9页
基金
国家重点研发计划项目(2020YFF0304104)。
文摘
针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题,基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制,常用的目标检测神经网络在嵌入式上的识别速度较低,不能满足实时手势识别的要求。在SSD目标检测的基础上对其进行优化,使用MobileNetv3网络实现特征提取,目标检测方面则是使用SSD-lite结构,其使用深度可分离卷积替代普通卷积,实现了轻量化MobileNetv3-SSDLite手势识别算法的设计。针对手势识别的要求,制作了包含不同手势的数据集,利用它在服务器上完成了模型的训练。为了满足嵌入式的算力限制,通过模型的量化压缩将float64的网络参数量化为int8,并压缩网络结构,提高网络在嵌入式上的推理速度,实现基于嵌入式的手势识别。实验结果表明,基于嵌入式的MobileNetv3-SSDLite手势识别算法可以达到平均准确率99.61%,且识别速度达到每秒50帧以上,满足实时手势识别的要求。
关键词
手势识别
深度神经网络
嵌入式
轻量化
MobileNev3-
ssdlite
Keywords
hand gesture recognition
deep neuron network
embedded system
lightweight
MobileNetv3-
ssdlite
分类号
TP391 [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
作者
出处
发文年
被引量
操作
1
基于多尺度特征融合SSDLite的光伏组件缺陷检测
项新建
汤卉
肖家乐
王世乾
张颖超
王磊
《太阳能学报》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
面向嵌入式平台的轻量化神经网络手势识别方法
杨晨奕
何玉青
赵俊媛
李国荣
《强激光与粒子束》
CAS
CSCD
北大核心
2022
12
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
