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
基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法
被引量：
3
1
作者
刘慧
杜志鹏
+2 位作者
杨锋
张钰
沈跃
《农业工程学报》
EI
CAS
CSCD
北大核心
2024年第8期144-151,共8页
为了进一步提高喷雾机器人靶标检测的精准性、实时性和应用部署的实用性,该研究提出一种基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法。首先通过区域提取降采样、地面分割和改进DBSCAN聚类等点云预处理方法提取原始点云中...
为了进一步提高喷雾机器人靶标检测的精准性、实时性和应用部署的实用性,该研究提出一种基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法。首先通过区域提取降采样、地面分割和改进DBSCAN聚类等点云预处理方法提取原始点云中的靶标;然后通过移动最小二乘上采样将靶标点云转化为满足点云识别网络输入要求的点云数据;最终通过在PointNet网络中引入残差模块和改进循环剪枝算法轻量化PointNet网络,完成林果树靶标的实时识别。试验结果表明,在ModelNet40数据集上,轻量化PointNet网络可达89.7%的准确率;在实际苗圃环境的试验中,该研究方法对靶标的识别准确率可达92.49%,同时误识率与拒识率分别为13.4%和6.47%,相较PointNet网络识别准确率提升了4.38个百分点,误识率和拒识率分别降低了7.2和4.07个百分点;轻量化PointNet网络识别准确率仅比PointNet++网络低1.14个百分点,误识率和拒识率分别高了0.9和1.12个百分点。但是轻量化PointNet网络的模型参数量较PointNet网络和PointNet++网络的模型参数量显著减少,仅为PointNet网络的11.5%,PointNet++网络的27.02%;运算量相较PointNet网络、PointNet++网络分别减少13.3和76.79个百分点。该研究提出的轻量化PointNet网络具有较高的实时性、精确性和鲁棒性,能够满足林果园喷雾作业的靶标识别需求,可为林果园喷雾作业靶标实时识别提供参考。
展开更多
关键词
喷雾
机器人
林果园
点云预处理
轻量化
pointnet
网络
循环剪枝
在线阅读
下载PDF
职称材料
超轻量级点云分类网络
2
作者
王豪洋
田茂义
俞家勇
《计算机应用》
CSCD
北大核心
2024年第S01期65-70,共6页
传统深度学习网络通常具有大量参数和复杂的模型结构,需要大量的计算和存储资源,这给资源受限的应用场景如移动设备和嵌入式系统带来一定的限制。为使点云分类任务更好地应用于资源受限的场景,在保证分类精度的基础上,使用更少的网络层...
传统深度学习网络通常具有大量参数和复杂的模型结构,需要大量的计算和存储资源,这给资源受限的应用场景如移动设备和嵌入式系统带来一定的限制。为使点云分类任务更好地应用于资源受限的场景,在保证分类精度的基础上,使用更少的网络层数与神经元个数降低网络的参数量,提出超轻量级点云分类网络—SuperLightPointNet。SuperLightPointNet由2个轻量级旋转对齐网络、3个卷积层、1个池化层和1个全连接层组成,总参数量仅有44337。在ModelNet40与ModelNet10数据集上的实验结果表明,SuperLightPointNet的整体精度(OA)分别为89.04%和92.72%,虽然比传统的PointNet低0.16和0.36个百分点,但参数量降低了98.73%,运算时间缩短了47.50%。与轻量级网络lightNet、lightPointNet相比,SuperLightPointNet与它们精度相当且参数量更少、更轻量化。可见SuperLightPointNet具有良好的分类性能。
展开更多
关键词
点云分类
神经网络
超轻量级
pointnet
移动端
在线阅读
下载PDF
职称材料
题名
基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法
被引量：
3
1
作者
刘慧
杜志鹏
杨锋
张钰
沈跃
机构
江苏大学电气信息工程学院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2024年第8期144-151,共8页
基金
国家自然科学基金项目(32171908)。
文摘
为了进一步提高喷雾机器人靶标检测的精准性、实时性和应用部署的实用性,该研究提出一种基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法。首先通过区域提取降采样、地面分割和改进DBSCAN聚类等点云预处理方法提取原始点云中的靶标;然后通过移动最小二乘上采样将靶标点云转化为满足点云识别网络输入要求的点云数据;最终通过在PointNet网络中引入残差模块和改进循环剪枝算法轻量化PointNet网络,完成林果树靶标的实时识别。试验结果表明,在ModelNet40数据集上,轻量化PointNet网络可达89.7%的准确率;在实际苗圃环境的试验中,该研究方法对靶标的识别准确率可达92.49%,同时误识率与拒识率分别为13.4%和6.47%,相较PointNet网络识别准确率提升了4.38个百分点,误识率和拒识率分别降低了7.2和4.07个百分点;轻量化PointNet网络识别准确率仅比PointNet++网络低1.14个百分点,误识率和拒识率分别高了0.9和1.12个百分点。但是轻量化PointNet网络的模型参数量较PointNet网络和PointNet++网络的模型参数量显著减少,仅为PointNet网络的11.5%,PointNet++网络的27.02%;运算量相较PointNet网络、PointNet++网络分别减少13.3和76.79个百分点。该研究提出的轻量化PointNet网络具有较高的实时性、精确性和鲁棒性,能够满足林果园喷雾作业的靶标识别需求,可为林果园喷雾作业靶标实时识别提供参考。
关键词
喷雾
机器人
林果园
点云预处理
轻量化
pointnet
网络
循环剪枝
Keywords
spray
robot
orchard
point cloud preprocessing
lightweight pointnet
circular pruning
分类号
S491 [农业科学—植物保护]
在线阅读
下载PDF
职称材料
题名
超轻量级点云分类网络
2
作者
王豪洋
田茂义
俞家勇
机构
山东科技大学测绘与空间信息学院
安徽建筑大学土木工程学院
出处
《计算机应用》
CSCD
北大核心
2024年第S01期65-70,共6页
基金
国家自然科学基金资助项目(42106180)
安徽省高校省级自然科学研究重点项目(KJ2021A0612)。
文摘
传统深度学习网络通常具有大量参数和复杂的模型结构,需要大量的计算和存储资源,这给资源受限的应用场景如移动设备和嵌入式系统带来一定的限制。为使点云分类任务更好地应用于资源受限的场景,在保证分类精度的基础上,使用更少的网络层数与神经元个数降低网络的参数量,提出超轻量级点云分类网络—SuperLightPointNet。SuperLightPointNet由2个轻量级旋转对齐网络、3个卷积层、1个池化层和1个全连接层组成,总参数量仅有44337。在ModelNet40与ModelNet10数据集上的实验结果表明,SuperLightPointNet的整体精度(OA)分别为89.04%和92.72%,虽然比传统的PointNet低0.16和0.36个百分点,但参数量降低了98.73%,运算时间缩短了47.50%。与轻量级网络lightNet、lightPointNet相比,SuperLightPointNet与它们精度相当且参数量更少、更轻量化。可见SuperLightPointNet具有良好的分类性能。
关键词
点云分类
神经网络
超轻量级
pointnet
移动端
Keywords
point cloud classification
neural network
super
lightweight
pointnet
mobile terminal
分类号
TP391.4 [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
基于轻量化PointNet网络的林果园喷雾作业靶标实时识别方法
刘慧
杜志鹏
杨锋
张钰
沈跃
《农业工程学报》
EI
CAS
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
2
超轻量级点云分类网络
王豪洋
田茂义
俞家勇
《计算机应用》
CSCD
北大核心
2024
0
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
