-
题名基于门控网络的军事装备控制指令语音识别研究
被引量：6
- 1
-
-
作者
柏财通
高志强
李爱
崔翛龙
-
机构
中国人民武装警察部队工程大学研究生大队
中国人民武装警察部队工程大学信息工程学院
中国人民武装警察部队工程大学乌鲁木齐校区
中国人民武装警察部队工程大学反恐指挥信息工程研究团队
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第7期301-306,共6页
-
基金
国家自然科学基金(U1603261)
网信融合基金(LXJH-10(A)-09)
武警部队军事理论研究项目(WJJY20JL0284)。
-
文摘
军事装备无感控制是军事装备智能化建设进程中的一个重要研究方向,其中语音控制技术作为无人装备无感控制手段的关键组成部分,受到了越来越多的重视。为完成军事装备语音控制任务,设计一种基于门控网络的中文语音识别网络,并构建军事装备控制指令数据集,实现基于控制指令语音识别技术的军事装备控制。在传统卷积神经网络的结构基础上引入深度残差门控卷积网络,提高识别网络的准确性,同时通过多途径构建军事装备控制指令数据集,设计一套针对军事装备无感控制的语音识别方案。实验结果表明,该语音识别网络军事语音控制指令识别率可达87%,外接语言模型后可达92%,语音识别准确率高、误差率低,可完成军事装备的语音控制任务。
-
关键词
语音识别
门控卷积神经网络
装备无感控制
长短时记忆网络
残差网络
-
Keywords
voice recognition
gated convolutional neural network
sensorless control of equipment
Long Short Term Memory(LSTM)network
residual network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于模型压缩的YOLOV3实时枪支识别方法
被引量：2
- 2
-
-
作者
叶泽聪
高志强
崔翛龙
蒋镕圻
-
机构
中国人民武装警察部队工程大学信息工程学院
中国人民武装警察部队工程大学反恐指挥信息工程研究团队
中国人民武装警察部队工程大学研究生大队
-
出处
《图学学报》
CSCD
北大核心
2021年第2期198-205,共8页
-
基金
国家自然科学基金项目(U1603261)
新疆维吾尔自治区自然科学基金资助项目(2016D01A080)。
-
文摘
以枪支为代表的危险目标检测一直是安防领域的重要研究之一。针对当前人工通过监控视频检查枪支等危险物效率低且准确率易受检查人员工作时长影响的问题,提出了利用剪枝方法对YOLOV3模型做压缩的实时枪支检测方法。采用K-means++算法对图像样本进行锚定框Anchor大小聚类,以提高模型精度。利用“通道+层”剪枝方法将训练后的模型进行压缩,通过模型修正恢复压缩前的精度。实验结果表明,该方法在保持较高精度的情况下,不仅降低了模型对内存资源的占用,且进一步减少计算量,大大提高了模型推理速度。与YOLOV3方法相比,该方法在jetson nano平台上对模型参数的缩减比例达到1/52,推理速度提高了6倍,而精确度几乎保持不变,从而达到对枪支危险物检测的实时性和高精度要求。
-
关键词
枪支检测
YOLOV3
模型压缩
K-means++
实时检测
-
Keywords
gun detection
YOLOV3
model compression
K-means++
real-time detection
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
