期刊文献+
共找到211篇文章
< 1 2 11 >
每页显示 20 50 100
基于PLP-net轻量化模型的马铃薯捡拾收获中杂质检测方法
1
作者 潘志国 邱保华 +4 位作者 杨然兵 张还 张健 李莹莹 邓志熙 《农业工程学报》 北大核心 2025年第12期208-218,共11页
针对目前马铃薯杂质检测算法存在的运算量高、内存占用大、实时性差等问题,该研究提出了一种基于PLP-net的轻量化检测模型。首先,通过重构骨干网络架构并优化检测头网络,显著降低模型运算量;其次,引入ECA(efficient channel attention)... 针对目前马铃薯杂质检测算法存在的运算量高、内存占用大、实时性差等问题,该研究提出了一种基于PLP-net的轻量化检测模型。首先,通过重构骨干网络架构并优化检测头网络,显著降低模型运算量;其次,引入ECA(efficient channel attention)注意力机制强化关键特征提取能力,并采用Focal-DIoU损失函数(focal and distance-IoU loss)优化边界框回归过程来解决数据集中杂质样本失衡的问题,构建基础模型PL-net。然后,基于模型稀疏化训练结果,精确剪除冗余通道,有效缩减运算量及内存占用,提升模型实时性,后经微调训练后构建PLP-net轻量化模型。为实现工程化应用,该研究采用TensorRT推理部署框架将PLP-net部署至嵌入式设备,并基于PyQt5(Python Qt5 binding)框架开发了可视化交互系统以满足马铃薯杂质检测的生产需求。试验结果表明:与YOLOv8n模型相比,PLP-net在计算效率方面明显提升,浮点运算量降低7.2 G,模型体积压缩2.1 MB,推理速度提升99.4帧/s。使用TensorRT加速和未使用TensorRT加速的PLP-net模型相较于YOLOv8n分别提升18.4帧/s和11.4帧/s。PLP-net模型可为后续马铃薯杂质智能分拣提供技术支撑。 展开更多
关键词 马铃薯杂质 PLP-net 轻量化 模型剪枝 模型部署
在线阅读 下载PDF
基于YOLOv8n轻量化的动火作业火花识别方法研究
2
作者 钟兴润 杨文欣 +3 位作者 李新宏 孟晓静 田晨斌 周明宇 《中国安全生产科学技术》 北大核心 2025年第6期30-36,共7页
为了满足动火作业火花识别的高精度、实时性、轻量化需求,提出1种基于YOLOv8n的算法—YOLOv8-SGMP,将初始模型的主干网络替换为轻量化的ShuffleNet V2网络,降低模型的计算复杂度和参数需求。采用GSConv模块构建Slim-Neck精简特征融合网... 为了满足动火作业火花识别的高精度、实时性、轻量化需求,提出1种基于YOLOv8n的算法—YOLOv8-SGMP,将初始模型的主干网络替换为轻量化的ShuffleNet V2网络,降低模型的计算复杂度和参数需求。采用GSConv模块构建Slim-Neck精简特征融合网络,降低计算复杂性、增强模型泛化能力、提高准确性和效率。更换MPDIoU损失函数,聚焦更高质量的边界框,提高模型检测精度并加快收敛速度。采用离线式通道剪枝方法,提高模型精度的同时平衡模型体积和计算量,进一步优化网络模型。研究结果表明:动火作业火花检测平均精度达93.1%,对比初始算法,计算量降低65.43%,参数量降低57.47%,模型大小仅有2.8 MB。研究结果可为识别动火作业火花和智能化安全管理提供参考。 展开更多
关键词 动火作业火花 YOLOv8n 轻量化 模型剪枝
在线阅读 下载PDF
基于轻量化卷积神经网络车载雷达图像目标识别方法
3
作者 李家强 汪星宇 +1 位作者 陈金立 姚昌华 《雷达科学与技术》 北大核心 2025年第1期82-91,100,共11页
针对车载毫米波雷达距离-方位图像细节模糊、目标占比小,卷积神经网络模型复杂难以在端侧部署的问题,本文提出了一种基于轻量化卷积神经网络YOLOv5s的车载雷达图像目标识别方法。首先结合Ghost卷积设计轻量化解耦头,并行处理检测与分类... 针对车载毫米波雷达距离-方位图像细节模糊、目标占比小,卷积神经网络模型复杂难以在端侧部署的问题,本文提出了一种基于轻量化卷积神经网络YOLOv5s的车载雷达图像目标识别方法。首先结合Ghost卷积设计轻量化解耦头,并行处理检测与分类问题;其次设计融合注意力机制的Concat_att模块并引入更具边界框定位敏感性的网络损失函数EIoU Loss,充分提取特征图中小目标细节信息,加速网络收敛,提升网络精度;最后通过Slim剪枝进一步压缩模型存储空间和计算量。实验结果表明,当模型大小缩减至原始YOLOv5s网络的76.8%时,mAP@0.5与mAP@0.5:0.95较原始网络分别提升了2.7%和2.8%,适用于小目标检测,并能同时满足目标识别精度与实时性要求,适合部署至车载嵌入式系统中。 展开更多
关键词 雷达图像 YOLOv5s 轻量化 注意力机制 模型剪枝
在线阅读 下载PDF
结合通道分类贡献与特征缩放系数的网络剪枝方法
4
作者 徐飞 张乐怡 +1 位作者 禹婷婷 张瑞轩 《计算机工程与应用》 北大核心 2025年第16期205-214,共10页
现有的通道剪枝方法大多采用单一的评判规则来筛选冗余通道,难以准确评估通道的重要性。一些剪枝方法尝试通过迭代或分层修剪并多次筛选通道来提升准确率,但却增加了剪枝的时间成本。针对以上问题,提出了一种改进的基于通道分类贡献和... 现有的通道剪枝方法大多采用单一的评判规则来筛选冗余通道,难以准确评估通道的重要性。一些剪枝方法尝试通过迭代或分层修剪并多次筛选通道来提升准确率,但却增加了剪枝的时间成本。针对以上问题,提出了一种改进的基于通道分类贡献和特征缩放系数的结构化剪枝方法。该方法通过对卷积神经网络模型进行L1、L2正则化相结合的稀疏正则化,得到参数较稀疏的深度卷积神经网络模型,并结合通道对分类任务的贡献度以及特征缩放系数两种因素对网络模型进行结构化剪枝,以更全面、准确的方式筛选网络中的冗余参数。在CIFAR-10数据集上,使用所提方法压缩的VGG-16网络模型在FLOPs减少76.6%的情况下,微调后的模型精度达到93.52%,比FLOPs减少65.6%的补偿感知剪枝(compensation-aware pruning,CaP)方法高出1.65个百分点。实验结果表明,该剪枝方法在大幅度压缩神经网络模型的同时,能够更有效地保持甚至提升模型的精度。 展开更多
关键词 模型压缩 结构化剪枝 通道剪枝 卷积神经网络
在线阅读 下载PDF
聚类和群智能优化算法的自动剪枝方法
5
作者 刘洲峰 吴文涛 +2 位作者 李环宇 邵昕楠 李春雷 《计算机工程与应用》 北大核心 2025年第11期204-215,共12页
近年来,网络剪枝技术作为一种极为有效的卷积神经网络压缩方案,得到了迅猛的发展,其中通道剪枝得益于其硬件友好性,有着尤为明显的优势。然而,当前主流方法集中于通过通道重要性评估或人工干预来实现剪枝,低效且容易导致次优结果;同时... 近年来,网络剪枝技术作为一种极为有效的卷积神经网络压缩方案,得到了迅猛的发展,其中通道剪枝得益于其硬件友好性,有着尤为明显的优势。然而,当前主流方法集中于通过通道重要性评估或人工干预来实现剪枝,低效且容易导致次优结果;同时一些基于搜索算法的自动化剪枝方法则难以控制搜索空间与搜索效率之间的平衡。为了解决这些问题,提出了一种基于聚类与群智能优化算法的自动通道剪枝方法。具体来说,根据特征图的相似度利用K-Mediod算法进行逐层的通道聚类,并通过灵敏度分析找到当前最优剪枝率,从而形成初步的压缩模型,引入粒子群算法(PSO)对其进行迭代搜索并找到最优剪枝网络结构。对剪枝网络进行微调,以降低精度损失。在CIFAR-10、ILSVRC-2012上对几种最为常用的CNN模型进行了评估,与近年来的主流方法相比实验结果有所提升,证明了剪枝后网络的有效性,在ILSVRC-2012中,在ResNet-50达到45.5%剪枝率的前提下,模型准确度只降低了0.23个百分点。 展开更多
关键词 卷积神经网络 模型压缩 网络剪枝 网络结构搜索 粒子群算法
在线阅读 下载PDF
基于实时语义链表构建系统的改善定位研究
6
作者 蒋林 杨文琦 +3 位作者 雷斌 李云飞 汤勃 朱建阳 《电子学报》 北大核心 2025年第5期1533-1540,共8页
针对移动机器人领域自适应蒙特卡洛定位算法(Adaptive Monte Carlo Localization,AMCL)在相似及变化场景下易失效的问题,本文提出基于改进YOLOv8构建语义链表为AMCL提供预定位位姿的方法,改变粒子权重更新方式,进而提升定位准确性和鲁棒... 针对移动机器人领域自适应蒙特卡洛定位算法(Adaptive Monte Carlo Localization,AMCL)在相似及变化场景下易失效的问题,本文提出基于改进YOLOv8构建语义链表为AMCL提供预定位位姿的方法,改变粒子权重更新方式,进而提升定位准确性和鲁棒性.以YOLOv8为基础,结合信息聚集-分发机制和注意力尺度序列融合模块增强其Neck部分特征融合能力,并对模型进行剪枝,提升精度和速度;利用激光SLAM(Simultaneous Localization And Map-ping)构建二维栅格地图,通过改进的YOLOv8提取物体语义并映射到地图上,得到二维语义地图,根据各连续语义物体之间的关系构建语义链表;在定位过程中,将机器人识别到的物体语义信息与语义链表进行匹配,为AMCL提供预定位位姿,改变其粒子更新方式进行精确定位,并基于词袋模型降低免疫障碍物遮挡导致的语义链断裂.在相似及变化场景下进行定位对比实验,实验结果验证了本文算法的有效性. 展开更多
关键词 特征融合 模型剪枝 语义链表 免疫遮挡 改善定位
在线阅读 下载PDF
决策树模型下船舶机电设备可靠性评估方法
7
作者 李烈熊 戴立庆 《舰船科学技术》 北大核心 2025年第9期134-138,共5页
船舶机电设备各状态量关系复杂,单一或少数状态量难以准确反映其真实性。决策树模型能借节点和分支清晰呈现不同状态量组合及交互作用,给出更全面准确的评估结果。因此,提出决策树模型下船舶机电设备可靠性评估方法。计算各状态量与船... 船舶机电设备各状态量关系复杂,单一或少数状态量难以准确反映其真实性。决策树模型能借节点和分支清晰呈现不同状态量组合及交互作用,给出更全面准确的评估结果。因此,提出决策树模型下船舶机电设备可靠性评估方法。计算各状态量与船舶机电设备可靠性的关联度,筛选高关联度状态量作为重点监测评估对象。利用决策树融合这些高关联度状态量数据样本特征信息,通过设定根、叶节点,以当前可靠性状态数据特征子集确定基尼指数,据此分裂可靠性等级,生成直观树形结构,明确映射关系,增强评估解释性。并用悲观剪枝法对构建的决策树评估模型剪枝,简化模型以提升评估效果。实验结果表明,所提方法能够提升船舶机电设备运行可靠性29%以上,可以保障船舶机电设备的安全运行。 展开更多
关键词 决策树模型 船舶 机电设备 可靠性评估 悲观剪枝法
在线阅读 下载PDF
基于改进UNet模型的核桃树枝条分叉点定位与修剪位置选择 被引量:1
8
作者 王志富 马文强 +3 位作者 项斌斌 杨莉玲 沈晓贺 刘佳 《农业工程学报》 北大核心 2025年第7期165-172,共8页
为定位核桃树枝条分叉点,筛选枝条修剪位置,该研究提出了基于改进UNet模型与图像处理的枝条分叉点定位与修剪位置选择方法。首先,改进语义分割模型,VGG16-UNet中添加MCA(multidimensional collaborative attention)模块,命名为VMfd-UNet... 为定位核桃树枝条分叉点,筛选枝条修剪位置,该研究提出了基于改进UNet模型与图像处理的枝条分叉点定位与修剪位置选择方法。首先,改进语义分割模型,VGG16-UNet中添加MCA(multidimensional collaborative attention)模块,命名为VMfd-UNet,实现核桃树树干和枝条的识别与分割;其次,提取掩膜细化处理,根据枝条相交情况、相对位置关系,结合图像处理与深度信息定位枝条分叉点;最后,以k-means聚类枝条分叉点三维坐标的欧几里得距离计算出质心,取距离质心最近的枝条分叉点作为修剪位置。试验表明,VMfd-UNet在整个数据集上的平均像素精度m PA和平均交并比mIoU分别比VGG16-UNet高4.86、4.85个百分点,在验证集上表现优异,树干和枝条的mPA分别达到96.71%和90.42%,mIoU分别达到90.27%和79.86%,参数量为35.73 M。以枝条分叉点选择修剪位置,平均准确率达到83.2%。该研究可为核桃树准确定位修剪点提供位置参考与技术支持。 展开更多
关键词 图像处理 核桃 修剪 UNet模型 分叉点 定位
在线阅读 下载PDF
基于改进YOLOv7-Tiny的轻量化激光器芯片缺陷检测算法 被引量:3
9
作者 胡玮 赵菊敏 李灯熬 《太原理工大学学报》 北大核心 2025年第1期137-147,共11页
【目的】高功率半导体激光器的光学灾变损伤是限制其可靠性和寿命的主要因素,因此,有效的缺陷检测对于优化激光器芯片的制造工艺和结构设计至关重要。提出了一种基于改进YOLOv7-Tiny的轻量化激光器芯片缺陷检测算法,旨在解决深度学习应... 【目的】高功率半导体激光器的光学灾变损伤是限制其可靠性和寿命的主要因素,因此,有效的缺陷检测对于优化激光器芯片的制造工艺和结构设计至关重要。提出了一种基于改进YOLOv7-Tiny的轻量化激光器芯片缺陷检测算法,旨在解决深度学习应用于缺陷检测时面临的高计算量和参数量问题。【方法】利用轻量化卷积神经网络替换特征提取主干有效减少对计算资源消耗,有效提取电致发光图像中缺陷特征。为从上下文特征获取更丰富的信息,引入多分支重参数化卷积块重构聚合模块,通过多路径分支丰富特征表示,训练与推理的解耦保证检测效率。此外,结合坐标注意力,提升定位精度。进行了剪枝实验和模型部署,验证算法的初步应用。【结果】在电致发光缺陷数据集上的实验结果显示,本文方法能在较低的参数和计算量下准确地检测出芯片缺陷,展现出良好的性能。 展开更多
关键词 光学灾变损伤 半导体激光器芯片 缺陷检测 轻量化 模型剪枝
在线阅读 下载PDF
嵌入式肌电腕带实时采集与识别系统设计 被引量:1
10
作者 阳佩珉 闵华松 《计算机工程》 北大核心 2025年第2期259-268,共10页
目前,大多数商用表面肌电(sEMG)信号采集系统存在价格昂贵、便携性和时效性无法满足应用需求的缺陷。为了解决该问题,结合模拟采集电路的精度要求以及微控制器低功耗、高性能、灵活性等方面的需求,设计一种嵌入式一体化肌电腕带,可以用... 目前,大多数商用表面肌电(sEMG)信号采集系统存在价格昂贵、便携性和时效性无法满足应用需求的缺陷。为了解决该问题,结合模拟采集电路的精度要求以及微控制器低功耗、高性能、灵活性等方面的需求,设计一种嵌入式一体化肌电腕带,可以用于实时手势识别。首先,采用低成本、低噪声的精密放大器完成模拟采集电路设计,并在仿真环境中对电路进行仿真验证,保证信号采集质量;其次,在低功耗、高性能的微控制器ESP32-S3上提出轻量化卷积神经网络L-CNN以进行实时识别。L-CNN在预训练后进行剪枝和量化,然后完成部署。通过剪枝算法去除模型中冗余的权重参数,减小模型大小,加快推理速度,并微调到预训练模型中。量化将原有32位浮点数降到8位整数进行计算,使模型尺寸降低以适用于嵌入式设备。实验结果表明,L-CNN的尺寸相比原模型大幅降低,推理速度得到提升,并且在实时手势识别中能达到95%左右的识别准确率,验证了整个系统的可靠性。 展开更多
关键词 表面肌电信号 手势识别 微控制器 模型剪枝 模型量化
在线阅读 下载PDF
基于剪枝的大模型联邦参数高效微调技术 被引量:1
11
作者 曾辉 熊诗雨 +1 位作者 狄永正 史红周 《计算机应用》 北大核心 2025年第3期715-724,共10页
随着数据隐私重要性的不断提升,用于下游任务的预训练基础模型(PFM)的微调变得愈发困难,这推动了基于PFM的联邦学习研究。然而,PFM给联邦学习系统带来了显著的挑战,特别是在本地计算和通信方面。因此,针对联邦学习的本地计算和聚合通信... 随着数据隐私重要性的不断提升,用于下游任务的预训练基础模型(PFM)的微调变得愈发困难,这推动了基于PFM的联邦学习研究。然而,PFM给联邦学习系统带来了显著的挑战,特别是在本地计算和通信方面。因此,针对联邦学习的本地计算和聚合通信这两个主要阶段,分别提出对应的解决方案,即本地高效微调模式和环形本地聚合模式。本地高效微调模式采用基于参数高效微调(PEFT)的模型剪枝算法以减轻本地计算和通信开销;环形本地聚合模式采用分布式的本地聚合方法取代中心化的聚合方法以提升聚合阶段的通信效率。实验结果表明,所提大模型联邦参数高效微调框架在最终性能和效率方面均表现良好。 展开更多
关键词 联邦学习 大模型 微调 参数高效微调 模型剪枝
在线阅读 下载PDF
双域渐进算法优化的自适应指导机制通道剪枝
12
作者 冯进 郭杰 +2 位作者 张铭津 李云松 徐志远 《西安电子科技大学学报》 北大核心 2025年第3期202-216,共15页
现有的剪枝方法面临着通道选择标准不一致问题,使通道的选择趋势存在明显差异,这种差异导致了剪枝策略中出现盲点。为了解决这一问题,提出了一种基于双域渐进算法优化的自适应指导机制的通道剪枝方法。具体而言,该指导机制引入了一个正... 现有的剪枝方法面临着通道选择标准不一致问题,使通道的选择趋势存在明显差异,这种差异导致了剪枝策略中出现盲点。为了解决这一问题,提出了一种基于双域渐进算法优化的自适应指导机制的通道剪枝方法。具体而言,该指导机制引入了一个正则化项来分配惩罚权重,平衡了单个标准的得分和多个标准的统一性。此外,双域渐进优化算法根据空间关系变化与迭代搜索进度动态调整搜索策略,灵活确定指导机制的最优作用深度和广度,达到最佳剪枝效果。所提方法以最优的作用深度和广度协调了基于个体视角与整体视角剪枝标准之间的对立和统一,形成了全面而高效的剪枝体系。实验结果表明,所提出的剪枝方法优于现有的剪枝方法,以最小的精度损失显著降低了模型参数规模和运算量。在CIFAR-10数据集上,所提方法将VGG-16模型压缩至原始大小的11.15%,而精度仅下降0.04%。在ImageNet数据集上,将ResNet-50模型的参数减少至27.01%,同时保持了73.83%的准确率。 展开更多
关键词 深度学习 卷积神经网络 通道剪枝 模型压缩
在线阅读 下载PDF
多方法融合的卷积神经网络模型压缩方法
13
作者 郭开泰 李宇哲 +4 位作者 付东豪 郑洋 任胜寒 胡海虹 梁继民 《西安电子科技大学学报》 北大核心 2025年第3期232-241,共10页
卷积神经网络在实际应用中的计算和存储成本较高,因此模型压缩技术成为部署此类模型的关键。然而,单一压缩技术通常会导致性能下降、泛化能力降低或计算复杂度增加的问题。为此提出了一种融合模型剪枝、知识蒸馏和模型量化的压缩框架。... 卷积神经网络在实际应用中的计算和存储成本较高,因此模型压缩技术成为部署此类模型的关键。然而,单一压缩技术通常会导致性能下降、泛化能力降低或计算复杂度增加的问题。为此提出了一种融合模型剪枝、知识蒸馏和模型量化的压缩框架。首先通过稀疏化训练对模型进行剪枝,减少冗余通道;随后,以原始模型作为教师网络,利用知识蒸馏方法对剪枝后的学生网络进行指导,提升压缩模型的性能;最后采用模型量化技术对压缩后的网络进一步优化以提高其适用性。利用卷积网络中的分类模型和目标检测模型对所提出方法进行测试,实验结果表明,该模型压缩框架能够有效降低模型的存储和计算需求,在多个测试模型上,模型大小缩减幅度超过90%,推理速度提升3~4倍,同时精度损失控制在2%以内。提出的多方法融合的模型压缩框架在保证卷积神经网络模型性能的同时,减少了模型大小,提升了推理速度,适用于资源受限环境中卷积神经网络的高效部署。 展开更多
关键词 模型压缩 卷积神经网络 模型剪枝 知识蒸馏 模型量化
在线阅读 下载PDF
融合深度强化学习的卷积神经网络联合压缩方法
14
作者 马祖鑫 崔允贺 +4 位作者 秦永彬 申国伟 郭春 陈意 钱清 《计算机工程与应用》 北大核心 2025年第6期210-219,共10页
随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果... 随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果,影响压缩后的模型性能。针对以上问题,提出一种基于深度强化学习的神经网络联合压缩方法——CoTrim。CoTrim同时执行通道剪枝与权值量化,利用深度强化学习算法搜索出全局最优的剪枝与量化策略,以平衡剪枝与量化对网络性能的影响。在CIFAR-10数据集上对VGG和ResNet进行实验,实验表明,对于常见的单分支卷积和残差卷积结构,CoTrim能够在精度损失仅为2.49个百分点的情况下,将VGG16的模型大小压缩至原来的1.41%。在复杂数据集Imagenet-1K上对紧凑网络MobileNet和密集连接网络DenseNet进行实验,实验表明,对于深度可分离卷积结构以及密集连接结构,CoTrim依旧能保证精度损失在可接受范围内将模型压缩为原始大小的1/5~1/8。 展开更多
关键词 卷积神经网络 深度强化学习 模型压缩 通道剪枝 权值量化 边缘智能
在线阅读 下载PDF
激光透窗低质量成像人体目标检测算法
15
作者 伍智华 程江华 +3 位作者 刘通 蔡亚辉 程榜 潘乐昊 《计算机科学》 北大核心 2025年第S1期384-389,共6页
针对激光透窗低质量成像下的人体目标检测,现有算法存在检测不准确、识别率低等问题,提出一种基于YOLOv8n优化改进的目标检测算法YOLO-TC。重新设计主干部分的特征提取模块,提升模型多尺度特征表示能力;对YOLOv8n模型做剪枝处理,优化网... 针对激光透窗低质量成像下的人体目标检测,现有算法存在检测不准确、识别率低等问题,提出一种基于YOLOv8n优化改进的目标检测算法YOLO-TC。重新设计主干部分的特征提取模块,提升模型多尺度特征表示能力;对YOLOv8n模型做剪枝处理,优化网络结构,降低模型复杂度的同时提升检测精度;在C2f模块与解耦头(Detect)之间添加EMA注意力机制模块,增强特征融合中的语义和位置信息,提升模型的特征融合能力;使用SIoU边界框回归损失函数代替原损失函数,提升算法推理的准确性和训练速度。实验结果表明,改进后的模型在激光透窗成像数据集中的精确度(Precision)、召回率(Recall)和平均精度均值(mAP)相比原模型分别提高了7.7%,5.9%和7.0%,模型大小缩减了34.6%,便于后续边缘端的硬件部署。 展开更多
关键词 激光透窗成像 YOLOv8 多尺度特征提取 模型剪枝 注意力机制 SIoU
在线阅读 下载PDF
基于特征映射贡献度的轻量化路面损伤检测方法
16
作者 王悦铭 吴泱序 +1 位作者 常志宇 陈平 《应用光学》 北大核心 2025年第3期652-662,共11页
道路损伤检测在道路维护过程中至关重要,针对目前的道路损伤检测依赖于大型车载检测设备导致其成本过高且普适性差的问题,提出了一种应用于边缘设备的超轻量化路面裂纹检测模型。首先构建轻量化的道路损伤检测网络,在此基础上基于特征... 道路损伤检测在道路维护过程中至关重要,针对目前的道路损伤检测依赖于大型车载检测设备导致其成本过高且普适性差的问题,提出了一种应用于边缘设备的超轻量化路面裂纹检测模型。首先构建轻量化的道路损伤检测网络,在此基础上基于特征映射贡献度剪枝策略,删除网络中的冗余参数,保证在边缘设备中进行实时监测的同时不降低检测精度。通过实验对提出的模型进行了验证,结果表明本文所提出的模型大小仅有2.06 M,在帧率40的情况下准确率达到了68.6%,相较于原始的YOLOv5s模型,在准确率仅降低3.4%的情况下,参数量降低了70.8%,在边缘平台推理延时降低175 ms。综上所述,所提出的模型在能够更有效地检测道路特征的同时,可以保持高水平的准确性,对于道路损伤检测具有良好的鲁棒性。 展开更多
关键词 深度学习 目标检测 剪枝 模型压缩 轻量化
在线阅读 下载PDF
基于FasterYOLOv9-Slim的轻量级工厂化养殖鱼群识别 被引量:1
17
作者 张鑫 于红 +4 位作者 吴子健 程志澳 高陈成 杨宗轶 王悦 《渔业现代化》 北大核心 2025年第1期99-109,共11页
针对计算资源有限的工厂化养殖对鱼群识别精度和速度之间的平衡要求,提出一种基于YOLOv9和FasterNet改进的轻量级养殖鱼群识别模型FasterYOLOv9-Slim。首先在YOLOv9中引入轻量级骨干网络FasterNet以减少模型参数和计算量;其次利用高维... 针对计算资源有限的工厂化养殖对鱼群识别精度和速度之间的平衡要求,提出一种基于YOLOv9和FasterNet改进的轻量级养殖鱼群识别模型FasterYOLOv9-Slim。首先在YOLOv9中引入轻量级骨干网络FasterNet以减少模型参数和计算量;其次利用高维检测头剪枝(HDPrune)降低网络深度以减少干扰信息积累;最后结合改进的特征融合模块FasterRepNCSPELAN4和下采样模块ADown、DownSimper,构建高效的颈部网络(DFA-Neck),增强特征表达同时降低计算需求。为验证所提出算法的有效性,设计了消融试验和对比试验,消融试验结果表明,FasterNet和HDPrune分别在降低参数和减弱干扰信息方面起到有效作用,DFA-Neck在整体网络中有效地协调了两者;对比试验结果显示,FasterYOLOv9-Slim在工厂化养殖红鳍东方鲀数据集上的表现超越了YOLOv7、YOLOv8和YOLOv10系列模型中同等规模的先进识别模型,保证高精度的同时,参数值分别降低了34.14%、64.02%和22.22%。在与ShuffleNet、MobileNet和RepViT等先进轻量级网络的对比中展现出较好的综合性能。研究表明:该方法能够有效平衡模型在计算资源有限的工厂化养殖条件下鱼群识别的精度和速度。 展开更多
关键词 养殖鱼群 YOLOv9 目标识别 模型剪枝 轻量化
在线阅读 下载PDF
基于改进YOLOv8n的安格斯牛面部识别
18
作者 胡立俊 李旭 李国亮 《华中农业大学学报》 北大核心 2025年第2期39-48,共10页
为解决安格斯牛独特的黑色毛发导致其面部特征区分困难的问题,采用基于YOLOv8n的改进方法,实现圈养环境中的安格斯牛准确、非接触式的面部识别。首先构建了一个包含200头安格斯牛在不同生长阶段的11 000张面部图像的数据集;其次,引入创... 为解决安格斯牛独特的黑色毛发导致其面部特征区分困难的问题,采用基于YOLOv8n的改进方法,实现圈养环境中的安格斯牛准确、非接触式的面部识别。首先构建了一个包含200头安格斯牛在不同生长阶段的11 000张面部图像的数据集;其次,引入创新的增强感受野特征融合模块,该模块增强了模型对关键特征的关注;再次,设计了新型轻量化检测头LPCDH,用于安格斯牛的面部特征识别;最后,采用组泰勒剪枝方法,通过估计神经元的重要性剪除不重要的神经元,从而减少计算成本和内存占用,提升模型的部署效率。试验结果显示,改进后的模型平均识别准确率达到92.6%。与常用的SSD、YOLOv5n、YOLOv8s、YOLOv8m、YOLOv9t、YOLOv10n、RT-Detr和Mamba-YOLO模型相比,准确率分别提高了11.5、3.8、1.8、1.9、5.1、3.9、3.7和2.4百分点。与原始YOLOv8n模型相比,所设计模型在4折交叉验证中的准确率平均提高了3.1百分点。结果表明,该模型在内存消耗和计算需求方面实现了轻量化,特别适合在移动端和实际应用中的实时识别,可显著提高安格斯牛面部识别的准确率和效率。 展开更多
关键词 安格斯牛 YOLOv8n 剪枝 牛只识别 面部检测模型
在线阅读 下载PDF
面向信号调制解调深度分类模型的数据与模型联合剪枝方法
19
作者 曹志骐 程点 +4 位作者 刘虎 陈思毅 苏蒙蒙 郑海斌 陈晋音 《小型微型计算机系统》 北大核心 2025年第5期1127-1134,共8页
当前,深层卷积神经网络已在多个领域取得突破性进展,其优异表现源于其深层、广泛、密集的网络结构,尤其在通信领域的信号分析、频谱感知等领域获得广泛应用.现有工作表明信号调制解调分类任务中采用深度分类模型已经取得较好分类性能.然... 当前,深层卷积神经网络已在多个领域取得突破性进展,其优异表现源于其深层、广泛、密集的网络结构,尤其在通信领域的信号分析、频谱感知等领域获得广泛应用.现有工作表明信号调制解调分类任务中采用深度分类模型已经取得较好分类性能.然而,大规模卷积神经网络在实际应用中所面临的大量运算和存储问题,使得其在实际应用中面临着严峻的挑战.大多数现有的模型压缩方法对软硬件库依赖性高、剪枝规则需要手工设计,实现过程复杂,而且无法高效地部署.为了解决上述问题,本文提出了一种数据-模型架构的联合剪枝方法.首先,在模型端,针对批归一化层进行了稀疏化训练,通过引入缩放因子精细调整各通道权重,并以此剔除冗余通道;其次,在数据端,结合训练过程中的数据反馈,利用统计方法识别出频繁被遗忘的样本构建一个遗忘子集;最后,利用这个子集对模型进行微调从而提升模型的性能并加速其推理速度.实验在CIFAR-10、CIFAR-100图像数据集和RML2016.10a信号数据集上针对VGGNet和ResNet模型进行验证,与现有的压缩算法相比,本文提出算法在保证较高精度的前提下也能够提高模型的压缩效率. 展开更多
关键词 信号调制解调 卷积神经网络 模型剪枝 模型压缩 数据压缩
在线阅读 下载PDF
面向公共场所敏感目标与人体异常行为协同识别网络
20
作者 孟琪翔 高志霖 +2 位作者 王劲滔 寇旗旗 卜凡亮 《光电工程》 北大核心 2025年第8期126-147,共22页
为解决多任务识别任务模型参数量大、计算成本高、定位能力差、识别精度低等突出问题,设计轻量化协同识别网络LightYOLOv11s。在主干网络与颈部,提出基于坐标注意力机制的多尺度卷积模块CAConv,捕获多尺寸目标特征,通过注意力机制强化... 为解决多任务识别任务模型参数量大、计算成本高、定位能力差、识别精度低等突出问题,设计轻量化协同识别网络LightYOLOv11s。在主干网络与颈部,提出基于坐标注意力机制的多尺度卷积模块CAConv,捕获多尺寸目标特征,通过注意力机制强化语义信息理解,提高定位精度;向网络头部Detect和Pose模块传递颈部特征融合数据,确保模型在共享特征提取信息基础上,目标与人体行为解耦输出,实现高效协同识别;设计联合损失函数,根据图像中目标与人体行为数量动态调整权重参数,平衡两类任务识别精度。模型训练后,引入自适应通道剪枝算法(layer-adaptive magnitude-based pruning,LAMP),删除冗余信息,精简网络结构;同时,结合通道级知识蒸馏(CWD),对教师网络通道激活图归一化处理,使学生网络精准学习教师网络关键特征,优化模型预测。实验结果表明:LightYOLOv11s在F1-score、mAP@0.5、模型参数量、计算开销四项指标上均有优化。在目标检测任务中,对比基线YOLOv11s,F1-score、mAP@0.5依次增长2.62%、3.48%,参数量下降53.92%、计算开销降低55.78%。在人体行为识别中,参考基线YOLOv11sPose,F1-score、mAP@0.5依次提升9.66%、9.97%,参数量降低55.25%、计算开销下降57.74%。在精简网络结构同时,LightYOLOv11s实现更为精准的目标检测与人体行为协同识别,满足轻量化部署需要。边缘设备部署选择NPU、GPU、CPU集群架构开展实验研究,并与autodl服务器平台测试结果对比,证实移动端设备在识别精度、推理速度、便携性部署、移动电源能量存储多环节具有显著优势。 展开更多
关键词 目标检测 行为识别 模型剪枝 知识蒸馏 便携式部署 YOLOv11
在线阅读 下载PDF
上一页 1 2 11 下一页 到第
使用帮助 返回顶部