检索结果-内蒙古大学图书馆

基于深度学习和模型压缩技术的轻量级煤矿人车检测模型——以贵州地区煤矿为例

煤炭学报 2025年第2期50卷 1393-1408页

作者：解北京李恒栾铮雷振李晓旭李卓中国矿业大学(北京)应急管理与安全工程学院北京100083 贵州理工学院矿业工程学院贵州贵阳550003 北京工业大学城市建设学部北京100124

煤矿工人和载人车辆(煤矿人车)的智能识别是视频监控系统的重要组成部分,也是煤矿智能化发展的关键任务。然而,煤矿人车检测场景较为复杂,大型人车检测模型部署在有限的计算设备上难以实现,如何在模型检测性能和检测效率之间取得平衡存... 详细信息

煤矿工人和载人车辆(煤矿人车)的智能识别是视频监控系统的重要组成部分,也是煤矿智能化发展的关键任务。然而,煤矿人车检测场景较为复杂,大型人车检测模型部署在有限的计算设备上难以实现,如何在模型检测性能和检测效率之间取得平衡存在诸多挑战。以贵州地区煤矿视频监控数据集为例,提出了一种基于深度学习和模型压缩技术的轻量级煤矿人车检测模型,该模型精准实时的完成了煤矿人车检测任务,对网络进行瘦身的同时几乎没有损失检测性能。具体来说,在网络模型设计阶段,以YOLOv8s为基线提出了一种名为FCW-YOLO的煤矿人车轻量级检测模型,首先将Faster-Block和坐标注意力和开发到网络的特征提取模块中,设计了一种新颖的C2f-Faster-CA轻量级架构,旨在减少网络的冗余通道同时自适应捕捉全局关键信息;其次,采用了WIOU边界回归损失函数以增加模型对普通质量样本的关注,降低了训练样本不平衡带来的回归误差等问题。在模型压缩阶段,联动剪枝算法对提出的FCW-YOLO模型进行通道级别的稀疏,模型可自动识别不重要的通道并对其进行删减,实现了煤矿人车检测模型二次轻量化设计FCWP-YOLO。在自建的煤矿人车检测数据集上的结果表明,提出的模型参数量,计算量和模型大小分别为2.3 M,4.0 GFLOPs,6.0 MB,对比基线模型分别实现了4.9倍、4.7倍、4.4倍的压缩效果,平均检测精度为88.7%,提高了1.1%,每张图像的处理时间仅为5.6 ms。对比多种轻量级架构和先进的检测模型,该方法精度表现优异,计算成本更低,实时性能更好,为资源受限的煤矿场景提供了一种可行的煤矿人车检测方法,满足煤矿视频监控部署要求,可为煤矿人车智能巡检任务提供实时预警。

关键词：煤矿工人检测煤矿载人车辆检测深度学习模型压缩轻量级架构

来源：评论

学校读者我要写书评

暂无评论

多方法融合的卷积神经网络模型压缩方法

引用

西安电子科技大学学报 2025年

作者：郭开泰李宇哲付东豪郑洋任胜寒胡海虹梁继民西安电子科技大学电子工程学院

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... 详细信息

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。

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

来源：评论

学校读者我要写书评

暂无评论

基于剪枝-蒸馏的视觉Transformer模型压缩

引用

西安电子科技大学学报 2025年

作者：郑洋蒋晓天付东豪郭开泰梁继民西安电子科技大学电子工程学院

现如今，视觉Transformer在计算机视觉领域的许多任务中都取得了卓越的表现，但其复杂的网络结构通常需要占用大量的存储和计算资源，因此难以在计算资源受限设备上广泛部署。为此本文提出了一种基于剪枝和蒸馏的视觉Transformer模型压... 详细信息

现如今，视觉Transformer在计算机视觉领域的许多任务中都取得了卓越的表现，但其复杂的网络结构通常需要占用大量的存储和计算资源，因此难以在计算资源受限设备上广泛部署。为此本文提出了一种基于剪枝和蒸馏的视觉Transformer模型压缩方法，旨在保证模型性能的前提下缩减模型大小。首先，通过对视觉Transformer的结构分析，确定宽度剪枝的对象为多头自注意力中的注意力头和多层感知机中隐藏层的神经元，并采用基于模型损失函数变化的参数重要性评估策略对其进行参数重要性评估。其次，通过剪枝后蒸馏策略在模型宽度维度进行裁剪并恢复剪枝后宽度子网络的精度。最后，在深度维度上，通过剪枝后蒸馏得到最终的压缩模型。所提出方法在Tiny ImageNet、CIFAR-100和CIFAR-10数据集上对视觉Transformer进行了压缩实验。其中，在Tiny ImageNet上，ViT-S模型在参数量和计算量减少30%时，精度仅降低0.3%，而ViT-B模型精度甚至提升了0.6%。实验结果表明，所提方法能够有效实现模型精度和压缩率的平衡。

关键词：模型压缩视觉Transformer 剪枝知识蒸馏

来源：评论

学校读者我要写书评

暂无评论

深度学习模型压缩与加速综述

引用

软件学报 2021年第1期32卷 68-92页

作者：高晗田育龙许封元仲盛计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

随着训练可用数据量的增长与计算平台处理能力的增强,基于深度学习的智能模型能够完成越来越复杂的任务,其在计算机视觉、自然语言处理等人工智能领域已经取得重大的突破.然而,这些深度模型具有庞大的参数规模,与此相伴的可畏的计算开... 详细信息

随着训练可用数据量的增长与计算平台处理能力的增强,基于深度学习的智能模型能够完成越来越复杂的任务,其在计算机视觉、自然语言处理等人工智能领域已经取得重大的突破.然而,这些深度模型具有庞大的参数规模,与此相伴的可畏的计算开销与内存需求使其在计算能力受限平台(例如移动嵌入式设备)的部署中遇到了巨大的困难与挑战.因此,如何在不影响深度学习模型性能的情况下进行模型压缩与加速成为研究热点.首先对国内外学者提出的经典深度学习模型压缩与加速方法进行分析,从参数剪枝、参数量化、紧凑网络、知识蒸馏、低秩分解、参数共享和混合方式这7个方面分类总结;其次,总结对比几种主流技术的代表性方法在多个公开模型上的压缩与加速效果;最后,对于模型压缩与加速领域的未来研究方向加以展望.

关键词：深度学习模型压缩模型加速参数剪枝参数量化紧凑网络

来源：评论

学校读者我要写书评

暂无评论

基于模型压缩的ED-YOLO电力巡检无人机避障目标检测算法

引用

仪器仪表学报 2021年第10期42卷 161-170页

作者：彭继慎孙礼鑫王凯宋立业辽宁工程技术大学电气与控制工程学院辽宁125100 国家电网葫芦岛供电公司辽宁125000

针对现有卷积神经网络模型体积大、运算量高,导致电力巡检无人机检测速率与精度无法兼顾的问题,提出一种基于模型压缩的ED-YOLO网络实现无人机避障的目标检测算法。该目标检测算法以YOLOv4为基础,首先在主干网络中加入通道注意力机制,... 详细信息

针对现有卷积神经网络模型体积大、运算量高,导致电力巡检无人机检测速率与精度无法兼顾的问题,提出一种基于模型压缩的ED-YOLO网络实现无人机避障的目标检测算法。该目标检测算法以YOLOv4为基础,首先在主干网络中加入通道注意力机制,在不增加计算量前提下提高检测精度;其次在特征金字塔部分运用深度可分离卷积替换传统卷积,减少卷积计算量;最后利用模型压缩策略裁剪网络中冗余通道,减小模型体积并提高模型检测速度。在自主构建的9600张电力巡检无人机飞行障碍的数据集进行测试,ED-YOLO与YOLOv4相比,其障碍物目标检测的平均精度均值只降低了1.4%,而模型体积减少了94.9%,浮点运算量减少了82.1%,预测速度提升了2.3倍。实验结果表明,对比多种其他现存方法,本文提出的基于模型压缩的ED-YOLO目标检测算法有着精度高、体积小和检测速度快的优势,满足电力巡检无机避障检测要求。

关键词：电力巡检无人机目标检测注意力机制深度可分离卷积模型压缩

来源：评论

学校读者我要写书评

暂无评论

图像分类卷积神经网络的特征选择模型压缩方法（英文）

引用

控制理论与应用 2017年第6期34卷 746-752页

作者：邹月娴余嘉胜陈泽晗陈锦王毅北京大学信息工程学院现代信号与数据处理实验室广东深圳518055

深度卷积神经网络(convolutional neural networks,CNN)作为特征提取器(feature extractor,CNN-FE)已被广泛应用于许多领域并获得显著成功.根据研究评测可知CNN-FE具有大量参数,这大大限制了CNN-FE在如智能手机这样的内存有限的设备上... 详细信息

深度卷积神经网络(convolutional neural networks,CNN)作为特征提取器(feature extractor,CNN-FE)已被广泛应用于许多领域并获得显著成功.根据研究评测可知CNN-FE具有大量参数,这大大限制了CNN-FE在如智能手机这样的内存有限的设备上的应用.本文以AlexNet卷积神经网络特征提取器为研究对象,面向图像分类问题,在保持图像分类性能几乎不变的情况下减少CNN-FE模型参数量.通过对AlexNet各层参数分布的详细分析,作者发现其全连接层包含了大约99%的模型参数,在图像分类类别较少的情况,AlexNet提取的特征存在冗余.因此,将CNN-FE模型压缩问题转化为深度特征选择问题,联合考虑分类准确率和压缩率,本文提出了一种新的基于互信息量的特征选择方法,实现CNN-FE模型压缩.在公开场景分类数据库以及自建的无线胶囊内窥镜(wireless capsule endoscope,WCE)气泡图片数据库上进行图像分类实验.结果表明本文提出的CNN-FE模型压缩方法减少了约83%的AlexNet模型参数且其分类准确率几乎保持不变.

关键词：卷积神经网络图像分类特征提取特征选择模型压缩

来源：评论

学校读者我要写书评

暂无评论

面向轻量化神经网络的模型压缩与结构搜索

引用

西安交通大学学报 2020年第11期54卷 106-112页

作者：梁峰董名田志超张国和成舒婷西安交通大学微电子学院西安710049 西安交通大学软件学院西安710049

针对轻量化神经网络中大量1×1卷积操作限制网络模型压缩的问题,提出了轻量化神经网络模型压缩算法,并对网络结构进行了搜索。根据有限长单位冲激响应滤波器线性相位特性思想,设计了具有线性相位约束的1×1卷积滤波器,将其应用... 详细信息

针对轻量化神经网络中大量1×1卷积操作限制网络模型压缩的问题,提出了轻量化神经网络模型压缩算法,并对网络结构进行了搜索。根据有限长单位冲激响应滤波器线性相位特性思想,设计了具有线性相位约束的1×1卷积滤波器,将其应用在MobileNet网络中验证了有效性。采用遗传算法对MobileNet网络中具有线性相位约束的1×1卷积滤波器比例进行搜索,使用权重共享算法对遗传算法搜索过程进行加速,使用相对适应度指导算法进化方向。实验证明:具有线性相位约束滤波器的MobileNet网络在Cifar10数据集上的网络参数量降低为原始MobileNet网络的51.24%,网络准确率下降0.38%;在ImageNet数据集上的网络参数量降低为原始MobileNet网络的62.88%,网络top5准确率下降1.44%,具有线性相位约束的1×1卷积滤波器可以对网络模型进行有效压缩;遗传算法搜索出的最优结构网络准确率与MobileNet网络的相仿,网络参数量下降为原始网络的83.54%,网络模型更小,性能更优。

关键词：轻量化神经网络模型压缩遗传算法权重共享

来源：评论

学校读者我要写书评

暂无评论

A3C深度强化学习模型压缩及知识抽取

引用

计算机研究与发展 2023年第6期60卷 1373-1384页

作者：张晶王子铭任永功辽宁师范大学计算机与人工智能学院辽宁大连116081

异步优势演员评论家(asynchronous advantage actor-critic,A3C)构建一主多从异步并行深度强化学习框架,其在最优策略探索中存在求解高方差问题,使主智能体难以保证全局最优参数更新及最佳策略学习.同时,利用百万计算资源构建的大规模... 详细信息

异步优势演员评论家(asynchronous advantage actor-critic,A3C)构建一主多从异步并行深度强化学习框架,其在最优策略探索中存在求解高方差问题,使主智能体难以保证全局最优参数更新及最佳策略学习.同时,利用百万计算资源构建的大规模并行网络,难以部署低功耗近端平台.针对上述问题,提出紧凑异步优势演员评论家(Compact_A3C)模型,实现模型压缩及知识抽取.该模型冻结并评价A3C框架中所有子智能体学习效果,将评价结果转化为主智能体更新概率,保证全局最优策略获取,提升大规模网络资源利用率.进一步,模型将优化主智能体作为“教师网络”,监督小规模“学生网络”前期探索与策略引导,并构建线性衰减损失函数鼓励“学生网络”对复杂环境自由探索,强化自主学习能力,实现大规模A3C模型知识抽取及网络压缩.建立不同压缩比“学生网络”,在流行Gym Classic Control与Atari 2600环境中达到了与大规模“教师网络”一致的学习效果.模型代码公布在https://***/meadewaking/Compact_A3C.

关键词：强化学习深度强化学习演员评论家模型异步优势演员评论家模型模型压缩

来源：评论

学校读者我要写书评

暂无评论

基于过渡面重构的CAD模型压缩算法

引用

华中科技大学学报（自然科学版） 2011年第1期39卷 78-81页

作者：刘俊黄运保王启富陈立平华中科技大学机械科学与工程学院湖北武汉430074

提出一种基于过渡面重构的CAD模型压缩算法,将B样条逼近形式的过渡面重构为过渡参数表达形式,可有效精简所需的记录数据量.首先判断曲面边界是否是曲率线,以及是否存在某一方向上的边界线为圆弧并排除非过渡面.然后通过曲率线追踪得到... 详细信息

提出一种基于过渡面重构的CAD模型压缩算法,将B样条逼近形式的过渡面重构为过渡参数表达形式,可有效精简所需的记录数据量.首先判断曲面边界是否是曲率线,以及是否存在某一方向上的边界线为圆弧并排除非过渡面.然后通过曲率线追踪得到曲面曲率线上的离散点,由离散点构造截面圆弧,由截面圆弧计算出过渡面参数.最后给出了模型压缩实验,结果表明该算法对于包含较多过渡面的模型,压缩率超过60%,压缩误差小于1×10-4.

关键词：计算机辅助设计模型压缩过渡面重构 B样条曲率线追踪过渡半径

来源：评论

学校读者我要写书评

暂无评论

深度神经网络模型压缩综述

引用

工程科学学报 2019年第10期41卷 1229-1239页

作者：李江昀赵义凯薛卓尔蔡铮李擎北京科技大学自动化学院北京100083 工业过程知识自动化教育部重点实验室北京100083

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能,已经成为最受关注的研究方向.深度网络模型虽然性能显著,但由于参数量巨大、存储成本与计算成本过高,仍然难以部署到硬件受限的嵌入式或移动设备上.相关研... 详细信息

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能,已经成为最受关注的研究方向.深度网络模型虽然性能显著,但由于参数量巨大、存储成本与计算成本过高,仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现,基于卷积神经网络的深度模型本身存在参数冗余,模型中存在对最终结果无用的参数,这为深度网络模型压缩提供了理论支持.因此,如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价,并探讨了模型压缩目前存在的问题以及未来的发展方向.

关键词：深度神经网络卷积神经网络自然语言处理模型压缩计算机视觉深度网络存储成本分类归纳

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：