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
3
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YOLO2和ResNet算法的监控视频中的人脸检测与识别
被引量：
27
1
作者
朱超平
杨艺
《重庆理工大学学报（自然科学）》
CAS
北大核心
2018年第8期170-175,共6页
针对监控环境下的人脸识别比较问题,提出一套基于深度学习的检测识别方法,利用YOLO2算法和Res Net算法完成监控视频中的人脸监测和识别。检测部分采用速度较快的YOLO2算法,识别部分采用准确率较高的Res Net算法。利用WIDER FACE人脸检...
针对监控环境下的人脸识别比较问题,提出一套基于深度学习的检测识别方法,利用YOLO2算法和Res Net算法完成监控视频中的人脸监测和识别。检测部分采用速度较快的YOLO2算法,识别部分采用准确率较高的Res Net算法。利用WIDER FACE人脸检测数据库和CASIA_Webface数据库做验证性实验,实验结果表明:系统整体的实时性和准确率均可满足实际工程应用需要。
展开更多
关键词
深度学习
快速检测
人脸识别
yolo2
算法
ResNet算法
在线阅读
下载PDF
职称材料
非接触式笼养蛋鸡核心体温检测方法
被引量：
6
2
作者
严煜
盛哲雅
+3 位作者
谷月
衡一帆
周昊博
王树才
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第8期312-321,共10页
针对笼养条件下蛋鸡核心温度测量工作效率低下的问题,提出了一种利用红外热图像结合深度学习的蛋鸡核心温度检测方法。首先通过采集172只蛋鸡的10994幅红外热图像制作数据集,利用目标检测网络YOLO v8s提取作为感兴趣区域(Region of inte...
针对笼养条件下蛋鸡核心温度测量工作效率低下的问题,提出了一种利用红外热图像结合深度学习的蛋鸡核心温度检测方法。首先通过采集172只蛋鸡的10994幅红外热图像制作数据集,利用目标检测网络YOLO v8s提取作为感兴趣区域(Region of interest,ROI)的鸡脸图像;再利用改进的深度卷积神经网络对提取的蛋鸡ROI图像以及实时采集的蛋鸡泄殖腔温度进行回归预测。实验显示,目标检测算法的检测准确率达到99.38%,平均精度均值达到99.9%,召回率达到99.87%,3项评价指标均高于YOLO v4s、YOLO v5s、YOLO v7、YOLOX-s目标检测算法;在深度卷积神经网络算法上,同时将MobileNetV3、GhostNet、ShuffleNetV2、RegNet、ConvNeXt、Res2Net以及MobileVIT共7种分类模型修改为回归模型,利用蛋鸡ROI图像进行训练,其中,Res2Net模型对蛋鸡核心体温估测拟合效果最好,在测试集上估测的决定系数R^(2)为0.9565、调整后决定系数R^(2)_(adj)为0.95631,均高于其他回归模型;为进一步提高预测精度,在Res2Net50回归模型的Bottle2block结构之后分别插入SE(Squeeze-and-excitation)模块、CBAM(Convolutional block attention module)模块、CA(Coordinate attention)模块、ECA(Efficient channel attention)模块,其中利用CA模块改进后的算法在测试集上的R^(2)为0.97364、R^(2)_(adj)为0.97352,均高于其他改进方法;利用目标检测网络和回归网络搭建蛋鸡核心体温估测模型,对9只蛋鸡进行体温估测试验,结果显示ROI均能完整找出,且估测体温平均绝对误差(Mean absolute error,MAE)为0.153℃。因此,本研究提出的目标检测+深度神经网络模型为红外热图像下蛋鸡核心温度预测提供了较好的自动化检测方法。
展开更多
关键词
笼养蛋鸡
核心体温
YOLO
v8s-Res2Net50
红外热成像
在线阅读
下载PDF
职称材料
基于Winograd算法的目标检测加速器设计与优化
被引量：
2
3
作者
李斌
齐延荣
周清雷
《电子学报》
EI
CAS
CSCD
北大核心
2022年第10期2387-2397,共11页
卷积神经网络(Convolutional Neural Networks,CNN)已被广泛应用于图像处理领域.基于CNN的目标检测模型,如YOLO,已被证明在许多应用中是最先进的.CNN对计算能力和内存带宽要求极高,通常需要部署到专用硬件平台,FPGA因其高性能、低功耗...
卷积神经网络(Convolutional Neural Networks,CNN)已被广泛应用于图像处理领域.基于CNN的目标检测模型,如YOLO,已被证明在许多应用中是最先进的.CNN对计算能力和内存带宽要求极高,通常需要部署到专用硬件平台,FPGA因其高性能、低功耗和可重配置性成为CNN的有效硬件加速器.以往的基于FPGA的目标检测加速器主要采用传统卷积算法,然而,传统卷积算法的高运算复杂度限制了加速器的性能.基于此,本文设计了一种基于Winograd算法的目标检测加速器.考虑到各模块间的联系,采用模块融合策略融合卷积层和池化层模块,降低数据移动次数,减少片外存储器访问次数,提高加速器整体性能.以YOLO2模型为例,对数据访问模式、池化内核、参数重排序、数据通路优化进行分析设计,并部署在U280板卡上.实验结果表明,量化后mAP降低了0.96%,性能达249.65 GOP/s,是Xilinx官网所给数据的4.4倍.
展开更多
关键词
目标检测
FPGA
Winograd算法
模块融合
yolo2
在线阅读
下载PDF
职称材料
题名
基于YOLO2和ResNet算法的监控视频中的人脸检测与识别
被引量：
27
1
作者
朱超平
杨艺
机构
重庆工商大学计算机科学与信息工程学院
重庆市检测控制集成系统工程重点实验室
出处
《重庆理工大学学报（自然科学）》
CAS
北大核心
2018年第8期170-175,共6页
基金
国家自然科学基金资助项目(61502063)
重庆工商大学自然科学基金资助项目(1751043)
文摘
针对监控环境下的人脸识别比较问题,提出一套基于深度学习的检测识别方法,利用YOLO2算法和Res Net算法完成监控视频中的人脸监测和识别。检测部分采用速度较快的YOLO2算法,识别部分采用准确率较高的Res Net算法。利用WIDER FACE人脸检测数据库和CASIA_Webface数据库做验证性实验,实验结果表明:系统整体的实时性和准确率均可满足实际工程应用需要。
关键词
深度学习
快速检测
人脸识别
yolo2
算法
ResNet算法
Keywords
deep learning
rapid detection
face detection
yolo2
algorithm
ResNet algorithm
分类号
TP181 [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
非接触式笼养蛋鸡核心体温检测方法
被引量：
6
2
作者
严煜
盛哲雅
谷月
衡一帆
周昊博
王树才
机构
华中农业大学工学院
华中农业大学动物科学技术学院
农业动物遗传育种与繁殖教育部重点实验室
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第8期312-321,共10页
基金
国家重点研发计划项目(2021YFD1300100)
政府间国际科技创新合作重点项目(2018YFE0128100)。
文摘
针对笼养条件下蛋鸡核心温度测量工作效率低下的问题,提出了一种利用红外热图像结合深度学习的蛋鸡核心温度检测方法。首先通过采集172只蛋鸡的10994幅红外热图像制作数据集,利用目标检测网络YOLO v8s提取作为感兴趣区域(Region of interest,ROI)的鸡脸图像;再利用改进的深度卷积神经网络对提取的蛋鸡ROI图像以及实时采集的蛋鸡泄殖腔温度进行回归预测。实验显示,目标检测算法的检测准确率达到99.38%,平均精度均值达到99.9%,召回率达到99.87%,3项评价指标均高于YOLO v4s、YOLO v5s、YOLO v7、YOLOX-s目标检测算法;在深度卷积神经网络算法上,同时将MobileNetV3、GhostNet、ShuffleNetV2、RegNet、ConvNeXt、Res2Net以及MobileVIT共7种分类模型修改为回归模型,利用蛋鸡ROI图像进行训练,其中,Res2Net模型对蛋鸡核心体温估测拟合效果最好,在测试集上估测的决定系数R^(2)为0.9565、调整后决定系数R^(2)_(adj)为0.95631,均高于其他回归模型;为进一步提高预测精度,在Res2Net50回归模型的Bottle2block结构之后分别插入SE(Squeeze-and-excitation)模块、CBAM(Convolutional block attention module)模块、CA(Coordinate attention)模块、ECA(Efficient channel attention)模块,其中利用CA模块改进后的算法在测试集上的R^(2)为0.97364、R^(2)_(adj)为0.97352,均高于其他改进方法;利用目标检测网络和回归网络搭建蛋鸡核心体温估测模型,对9只蛋鸡进行体温估测试验,结果显示ROI均能完整找出,且估测体温平均绝对误差(Mean absolute error,MAE)为0.153℃。因此,本研究提出的目标检测+深度神经网络模型为红外热图像下蛋鸡核心温度预测提供了较好的自动化检测方法。
关键词
笼养蛋鸡
核心体温
YOLO
v8s-Res2Net50
红外热成像
Keywords
caged laying hens
core body temperature
YOLO v8s-Res2Net5O
infrared thermal image
分类号
S24 [农业科学—农业电气化与自动化]
S831 [农业科学—畜牧学]
在线阅读
下载PDF
职称材料
题名
基于Winograd算法的目标检测加速器设计与优化
被引量：
2
3
作者
李斌
齐延荣
周清雷
机构
郑州大学计算机与人工智能学院
郑州大学信息工程学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2022年第10期2387-2397,共11页
文摘
卷积神经网络(Convolutional Neural Networks,CNN)已被广泛应用于图像处理领域.基于CNN的目标检测模型,如YOLO,已被证明在许多应用中是最先进的.CNN对计算能力和内存带宽要求极高,通常需要部署到专用硬件平台,FPGA因其高性能、低功耗和可重配置性成为CNN的有效硬件加速器.以往的基于FPGA的目标检测加速器主要采用传统卷积算法,然而,传统卷积算法的高运算复杂度限制了加速器的性能.基于此,本文设计了一种基于Winograd算法的目标检测加速器.考虑到各模块间的联系,采用模块融合策略融合卷积层和池化层模块,降低数据移动次数,减少片外存储器访问次数,提高加速器整体性能.以YOLO2模型为例,对数据访问模式、池化内核、参数重排序、数据通路优化进行分析设计,并部署在U280板卡上.实验结果表明,量化后mAP降低了0.96%,性能达249.65 GOP/s,是Xilinx官网所给数据的4.4倍.
关键词
目标检测
FPGA
Winograd算法
模块融合
yolo2
Keywords
target detection
FPGA
Winograd algorithm
module integration
yolo2
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
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
基于YOLO2和ResNet算法的监控视频中的人脸检测与识别
朱超平
杨艺
《重庆理工大学学报（自然科学）》
CAS
北大核心
2018
27
在线阅读
下载PDF
职称材料
2
非接触式笼养蛋鸡核心体温检测方法
严煜
盛哲雅
谷月
衡一帆
周昊博
王树才
《农业机械学报》
EI
CAS
CSCD
北大核心
2024
6
在线阅读
下载PDF
职称材料
3
基于Winograd算法的目标检测加速器设计与优化
李斌
齐延荣
周清雷
《电子学报》
EI
CAS
CSCD
北大核心
2022
2
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
