检索结果-内蒙古大学图书馆

中国科技教育 2024年第3期 56-57页

作者：谢作如王海涛温州科技高级中学上海人工智能实验室

问题提出智慧交通是人工智能应用的一个重要场景,无人驾驶则是一种利用各种传感器、控制系统和人工智能算法实现对汽车自主控制的技术,是智慧交通的核心技术。在中小学开设无人驾驶课程,让机械结构、智能控制和深度学习等技术融合起来... 详细信息

问题提出智慧交通是人工智能应用的一个重要场景,无人驾驶则是一种利用各种传感器、控制系统和人工智能算法实现对汽车自主控制的技术,是智慧交通的核心技术。在中小学开设无人驾驶课程,让机械结构、智能控制和深度学习等技术融合起来,是一门很有价值的跨学科课程。但无人驾驶课程开设难度较大,除了对授课教师要求较高外,还需要一系列硬件支持,比如内置支持模型推理能力芯片的小车价格往往达数千元。

关键词：跨学科课程深度学习无人驾驶智慧交通人工智能应用机器人小车模型推理硬件支持

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉的杂草识别与精准喷药系统

基于机器视觉的杂草识别与精准喷药系统

引用

作者：李景旭哈尔滨工业大学

学位级别：硕士

近年来无人驾驶农机得到越来越多的重视和应用,关于无人驾驶农机作业和植保机械的研究仍有一些尚未解决的应用问题,关于植保农机的作业技术研究目前主要在实验室中的样机研制和图像识别算法研究,针对实际改装农机的研究和算法部署目前... 详细信息

近年来无人驾驶农机得到越来越多的重视和应用,关于无人驾驶农机作业和植保机械的研究仍有一些尚未解决的应用问题,关于植保农机的作业技术研究目前主要在实验室中的样机研制和图像识别算法研究,针对实际改装农机的研究和算法部署目前还不多。本文通过改造永佳3WSH-500喷药机设计无人对靶精准施药系统,实现基于传统特征方法和深度学习方法的苗草识别算法部署和喷药动作规划。本文主要的研究工作为: 1.将农机RTK-GNSS数据与惯性导航系统通过离散卡尔曼滤波融合估测农机运行过程中的姿态和速度信息,获取杂草识别动作中的动作时延;该方法减轻了仅使用GNSS数据时的田间颠簸对观测数据的影响,提高了农机运动姿态估计的准确性和数据平滑性,可以进一步作为农机轨迹控制的反馈依据; 2.基于超绿特征方法通过形态学运算设计玉米封闭前期的杂草识别处理算法,基于yolov8模型设计封闭后期玉米出苗阶段的苗草分离算法,两种方法分别针对封闭前后及不同植株生长期的杂草情况进行杂草位置的分析,实验表明可以较为准确地识别到杂草在画面中的位置; 3.通过推导不同车速和位置下的杂草识别位置算法和动作时延得到一般性的精准喷药动作算法及流程;通过Tensor RT优化基于yolov8的目标检测模型实现快速推理;通过模型优化和并行推理完成从算法到工程实际的部署; 4.在田间实机作业,通过设计杂草识别系统软硬件平台完成算法部署和落地,通过摄像头支架等机械结构的改造验证机器视觉方法在田间应用的可靠性,验证了基于现有农机导航系统改造方案的可行性。本文全文代码公开在https://***/Jingxu-Li/Weed-Detector。

关键词：机器视觉喷药系统无人农机特征工程模型推理

来源：评论

学校读者我要写书评

暂无评论

基于云-边-端系统的AI推理任务卸载问题研究

基于云-边-端系统的AI推理任务卸载问题研究

引用

作者：许哲明深圳大学

学位级别：硕士

情绪识别在移动终端上越来越受欢迎,广泛应用于社交、教学等领域。然而,考虑场景上下文的情绪识别需要更多的计算资源,导致在移动设备上情绪识别需要更长时间。相比之下,在边缘服务器和云服务器上执行情绪识别可以减少模型推理时间。因... 详细信息

情绪识别在移动终端上越来越受欢迎,广泛应用于社交、教学等领域。然而,考虑场景上下文的情绪识别需要更多的计算资源,导致在移动设备上情绪识别需要更长时间。相比之下,在边缘服务器和云服务器上执行情绪识别可以减少模型推理时间。因此,本文设计并实现了一个云-边-端系统,以满足实时情绪识别。根据系统的计算资源和网络资源、考虑场景上下文的情绪识别模型关系以及情绪识别应用场景的特点,本文设计了剪枝优化的全局最优算法和基于特征匹配的优化算法。经实验证明,该算法在云-边-端系统中减少情绪推理时间,并保持良好的准确率。本文的主要工作如下: (1)在移动终端上开发考虑场景上下文的情绪识别应用,并测试情绪推理所需时间。由于移动终端的计算资源有限且考虑场景上下文的情绪识别需要更多的计算资源,每帧的情绪推理时间超过200毫秒,而摄像头的帧刷新时间为33.3ms,无法满足实时性要求。本文将移动终端的考虑场景上下文情绪识别应用修改为云-边-端系统架构,并分析情绪识别模型在系统各计算平台的推理时间和系统的网络资源。 (2)本文根据云-边-端系统的计算资源、网络资源以及考虑场景上下文的情绪识别模型关系,设计了剪枝优化的全局最优算法。此外,根据情绪识别应用场景的特点,设计了基于特征匹配的优化算法。本文在多种网络环境下,采用公开数据集和真实系统进行了本文算法的对比实验,结果表明剪枝优化的全局最优算法和基于特征匹配的优化算法能有效减少考虑场景上下文的情绪推理时间,并保持较好的准确率。在本文的云-边-端系统上实现剪枝优化的全局最优算法和基于特征匹配的优化算法,并在公开数据集和真实系统上对本文算法与对比算法进行实验评估和对比。实验结果表明,本文提出的任务卸载算法比对比算法的推理时间减少1～45%,并且保持了良好的准确率。

关键词：任务卸载云-边-端系统模型推理

来源：评论

学校读者我要写书评

暂无评论

食堂清洁智慧小助手--初中人工智能课程项目式教学案例

引用

中国科技教育 2023年第5期 58-59页

作者：吴浩李永坤张芳群重庆市南川区东胜初级中学校重庆市南川区隆化职业中学校湖南师范大学附属中学

OpenInnoLab是上海人工智能实验室智能教育中心团队发布的面向青少年的人工智能开放平台,能够降低青少年人工智能学习门槛,打通工具之间的数据流转,从而实现数据集制作、数据标注、模型训练、模型推理、模型部署应用等人工智能技术全流... 详细信息

OpenInnoLab是上海人工智能实验室智能教育中心团队发布的面向青少年的人工智能开放平台,能够降低青少年人工智能学习门槛,打通工具之间的数据流转,从而实现数据集制作、数据标注、模型训练、模型推理、模型部署应用等人工智能技术全流程实践。“行空板”是一款专为Python学习和使用设计的新一代国产开源硬件,集成LCD彩屏、Wi-Fi蓝牙、多种常用传感器和丰富的拓展接口,同时自带Linux操作系统和Python环境,并预装常用Python库。

关键词： Linux操作系统人工智能项目式教学模型推理开放平台 Python 智能教育数据流转

来源：评论

学校读者我要写书评

暂无评论

基于多模态信息的中文文本纠错方法研究

基于多模态信息的中文文本纠错方法研究

引用

作者：王鹏西北师范大学

学位级别：硕士

中文文本纠错工作在自然语言处理领域扮演着重要角色。中文文本中常见的错误类型包括拼写错误、冗余、缺失、乱序等。本文聚焦于中文文本中的拼写错误,包括语义混淆的错别字以及在语音和图形上相似的字,提出了一种基于多模态信息的中文... 详细信息

中文文本纠错工作在自然语言处理领域扮演着重要角色。中文文本中常见的错误类型包括拼写错误、冗余、缺失、乱序等。本文聚焦于中文文本中的拼写错误,包括语义混淆的错别字以及在语音和图形上相似的字,提出了一种基于多模态信息的中文文本纠错方法,通过对汉字的语义、语音和图像信息进行编码,并对获得的多模态信息进行聚合,有效处理中文文本的拼写错误。另外,在实际应用场景中,文本纠错模型需要具备高效性和实时性。为此,本文对原始BERT模型结构进行改进,提出通用的模型加速推理方法,并将其作为多模态信息的文本纠错方法的主干模型。本文主要研究内容如下:(1)针对预训练语言模型在推理过程中有很大延迟的问题,本文提出了一种基于提前退出机制的通用模型加速方法。该方法可与不同的预训练模型结合使用,也可与现有的流行模型压缩方法共同使用,以提高文本模型的推理速度。本文对BERT模型进行改进,通过预测分布的熵来衡量置信水平,以实现性能和速度的最佳权衡。相较于现有的模型加速方法,本方法更加灵活,可以通过调整耐心值参数和置信度阈值来实现不同的提速比,从而提高模型的推理速度。此外,本方法还可以结合其他预训练模型,以适应更多下游任务。本文在六个数据集上进行了大量实验。实验结果表明,本方法在多个加速比上表现良好,在Co LA,MNLI,MRPC,QNLI,QQP,RTE六个数据集,加速比为27%时,F1分别为52.8%,83.4%,86.8%,90.5%,91.2%,69.7%,优于现有的PABEE,BERxi T等模型加速方法。消融实验表明,本文的方法在ALBERT和Tiny BERT等其他预训练模型上在不同加速比下也优于基线模型,证明了本文提出加速方法的通用性。(2)针对中文拼写错误汉字的语音和图形上的相似性特点,本文提出了一种基于多模态信息融合的中文文本纠错方法。该方法对汉字的语义、语音和图像信息进行编码,并将多模态信息进行聚合,以更有效地处理拼写错误,特别是在中文字符相似度较高的情况下。本文在多个文本纠错数据集,如SIGHAN和CCTC等,进行了训练和测试。实验结果表明,本方法在文本纠错数据集上检测水平的F1值为78.9%,纠错水平F1值为77.3%,优于Spell GCN,PLOME等已有的文本纠错方法。消融实验表明,不同模态信息的引入能提高模型纠错的准确度,相对于单模态模型约有3%的F1值提升。

关键词：文本纠错自然语言处理多模态信息模型推理

来源：评论

学校读者我要写书评

暂无评论

面向边缘智能的大数据处理性能与成本协同优化机制研究

面向边缘智能的大数据处理性能与成本协同优化机制研究

引用

作者：贾林华中科技大学

学位级别：博士

近年来,深度学习技术取得了迅猛发展,并在安防、电商和金融等重要民生领域实现了规模化落地应用。然而,随着当前移动终端和物联网设备的高速普及,如何高效地将深度学习模型从云端下沉到网络边缘,进而解决人工智能落地的“最后一公里”... 详细信息

近年来,深度学习技术取得了迅猛发展,并在安防、电商和金融等重要民生领域实现了规模化落地应用。然而,随着当前移动终端和物联网设备的高速普及,如何高效地将深度学习模型从云端下沉到网络边缘,进而解决人工智能落地的“最后一公里”问题已经引起了学术界与工业界的高度关注。针对上述难题,边缘智能概念应运而生。基于边缘计算这一新型计算模式,边缘智能在更加靠近用户和数据源头的网络边缘侧位置训练和部署深度学习模型,从而改善深度学习应用的运营成本和用户体验。为了将边缘智能推广至更广阔的应用场景,其性能与成本的协同优化是当前急需解决的主要难题,研究该问题具有重要的理论和实践意义。针对这一难题,所提出的面向边缘智能的大数据处理性能与成本协同优化机制分别从数据预处理、模型训练和模型部署三个阶段出发,深入研究了边缘智能各阶段的性能与成本协同优化问题。通过克服系统异构性、高度动态性、大规模性和资源供需失衡等挑战,分别提出了面向跨域分布式数据处理的数据和任务放置优化机制、面向边缘连续学习的数据调度和资源配置优化机制、面向边缘推理服务的模型选择和资源配置优化机制。面向跨域分布式数据处理的数据和任务放置优化。跨域分布式边缘节点间的网络带宽存在显著异构性。此性质使跨域分布式数据处理应用的中间数据混洗阶段面临网络传输延迟不均衡问题,从而影响总体性能。针对这一挑战,提出了数据与任务放置协同优化机制,该机制基于数据分布和网络资源异构性协同优化输入数据和输出任务放置,从而平衡网络传输延迟,提升中间数据混洗阶段性能。然而,即使针对单一查询请求,由于输入数据放置优化和输出任务放置优化的时间尺度不一致且相互耦合,上述问题仍然面临多时间尺度和非凸性两方面挑战。针对上述挑战,提出的优化算法综合运用基于预测的两阶段优化分解和凸优化松弛方法高效近似求解上述非凸优化问题。在此基础上,通过改进经典最短剩余处理时间策略,进一步提出了面向多查询请求的输入数据、输出任务和边缘资源协同调度与分配机制。基于真实任务负载的仿真实验表明,所提出的优化算法最高可将总成本降低83%。面向边缘连续学习的数据调度和资源配置优化。受制于有限的边缘资源供给,部署于边缘节点的深度学习模型通常为压缩得到的轻量模型。然而,在部署过程中,随着实时推理样本逐渐偏离模型所能表征的特征空间,推理精度会逐渐下降。针对这一问题,提出了连续学习概念,其以增量的方式周期性地对动态到达的新数据样本进行模型重训练,从而保持模型精度。同时,现有商业边缘智能平台如AWS Greengrass和Cloud Io T Edge均在云端进行模型重训练,引发了高昂的成本开销。针对这一难题,提出了面向边缘连续学习的数据调度和资源配置优化机制,该机制以云边协同方式执行模型重训练,通过利用模型重训练的延迟容忍性、数据灵活性和资源成本波动性,动态优化训练样本的准入控制、传输调度和资源配置策略,从而在降低长期资源成本的同时提升模型训练精度。然而在上述问题中,动态变化的输入参数(如未来样本的到达率)通常难以预测。针对这一挑战提出的在线优化框架,基于李雅普诺夫方法分析并设计了一个无需预测未来信息即可在线作出近似最优决策的在线优化算法,以实现长期资源成本与模型精度之间的动态自适应平衡优化。面向边缘推理服务的模型选择和资源配置优化。随着边缘智能在越来越多的应用场景落地部署,边缘推理服务的性能与成本优化问题将成为制约其可持续发展的重要问题。针对这一难题,提出了模型选择和资源配置协同优化机制。该机制基于不同模型所具备的不同延迟-精度-资源特性动态优化模型选择和资源配置,从而平衡优化推理延迟、精度和资源成本。由于上述问题为NP难的线性整数规划问题,因此如何设计面向大规模应用场景的高效近似优化算法成为了亟需解决的关键挑战。针对这一挑战,提出了基于随机舍入的近似优化算法。该算法首先将整数优化问题放缩为易于求解的线性优化问题,在此基础上,针对求解得到的小数形式资源配置决策,进一步设计了随机关联舍入算法,通过将两个随机选择的资源配置分数解,以一定的概率将其中一个向上取整,另外一个向下取整,来修正小数解,从而保证在满足节点资源容量限制的同时降低总体开启的容器个数,以达到降低成本的目的。严格的理论分析表明,所提出的近似算法相对理论最优解具有可证明的近似比。

关键词：边缘智能边缘计算分布式数据处理模型训练模型推理

来源：评论

学校读者我要写书评

暂无评论

边云协同的深度神经网络推理系统的研究与实现

边云协同的深度神经网络推理系统的研究与实现

引用

作者：陈嘉楠北京邮电大学

学位级别：硕士

深度学习技术的发展为很多领域带来了新的变革,深度神经网络俨然已经成为人工智能不可或缺的工具。在许多业务场景中,模型部署在边缘侧以达到低时延和保护隐私的需求也日益强烈。然而受限于边缘设备的计算能力,DNN模型在边缘端的推理速... 详细信息

深度学习技术的发展为很多领域带来了新的变革,深度神经网络俨然已经成为人工智能不可或缺的工具。在许多业务场景中,模型部署在边缘侧以达到低时延和保护隐私的需求也日益强烈。然而受限于边缘设备的计算能力,DNN模型在边缘端的推理速度远慢于云端。目前的边云架构体系无法很好地解决模型下沉到边缘带来的推理效率低下的问题。本文提出了边-云协同的深度神经网络模型推理系统,旨在将DNN模型的部署拓展到边缘节点,通过将模型进行切割部署,使边缘和云端协同完成推理计算来降低推理时延。主要工作内容如下:(1)边云协同推理的DNN模型切割和部署算法。传统的边云协同推理中将推理的三个阶段完全串行化,本文提出了边缘推理、数据传输和云端推理并行的切割和部署策略。首先提出了 LEM(Layer Evaluation Modle)评估设备的算力,基于此提出链式和DAG(Directed Acyclic Graph,有向无环图)结构模型的切割算法,将模型拆分为多个分支后进行切割和分布式部署实现并行推理,提高了推理效率。(2)边云协同推理中数据传输机制的优化。将QUIC协议深度融入到边云协同推理系统中来提高边缘和云端的数据传输效率。利用QUIC的特性,针对DNN模型中间层推理产生的数据,提出了多Stream流传输机制和数据预传输机制,有效地降低了 DNN中间层推理数据的传输代价,并提出了自适应的拥塞控制策略以适应网络的变化。通过这些策略显著降低了协同推理中数据传输带来的时延。(3)边云协同推理系统的实现。根据上述算法和策略,实现了边-云协同的DNN推理系统。系统实现了设备算力的自动化评估,模型的自动化分析,模型的自适应切割等功能。

关键词：模型推理 DNN切割边云协同 QUIC

来源：评论

学校读者我要写书评

暂无评论

基于计算机视觉的岸桥起重机智能集卡定位系统

基于计算机视觉的岸桥起重机智能集卡定位系统

引用

2023中国自动化大会

作者：张俊阳童巍吴翔江灏上海振华重工(集团)股份有限公司

随着港口物流业务量的增加,如何快速、准确地识别定位岸桥起重机集装箱卡车位置已成为港口自动化方向的重要研究课题。现有技术主要采用人工、传统激光、磁钉等技术进行定位,针对该技术使用场景功能单一、信息量有限、建设成本高、维护... 详细信息

随着港口物流业务量的增加,如何快速、准确地识别定位岸桥起重机集装箱卡车位置已成为港口自动化方向的重要研究课题。现有技术主要采用人工、传统激光、磁钉等技术进行定位,针对该技术使用场景功能单一、信息量有限、建设成本高、维护复杂、精度不可提升等缺点,本文设计了一种基于Mask-RCNN的智能集卡引导定位系统,系统主要由相机模块、预处理模块、模型推理模块、滤波模块、后处理模块、标定模块、流程模块、PLC模块、LED模块、UI模块组成,并在岸桥起重机上对所设计的智能集卡引导定位系统进行了测试。测试结果表明,测试结果表明,本文设计的智能集卡引导定位系统的定位精度≤±5cm,系统实时性≤150ms,该系统能够实现更加快速、准确地定位集卡位置、作业车道、方向等信息,达到了实际应用的要求,大大提升了岸桥起重机的自动化作业效率。

关键词：集装箱卡车 Mask R-CNN 引导定位系统模型推理

来源：评论

学校读者我要写书评

暂无评论

基于SSM框架的通用图像分析工具设计与实现

基于SSM框架的通用图像分析工具设计与实现

引用

作者：马祥田电子科技大学

学位级别：硕士

随着计算机技术的高速发展，诸如人脸识别、位姿估计等图像分析算法已广泛应用于生活。然而，在各算法研究过程中，往往都需要开发一套专用的配套系统，用于模型推理以及结果可视化等展示，使得其时间、成本均大大增加。　　本文以通用... 详细信息

随着计算机技术的高速发展，诸如人脸识别、位姿估计等图像分析算法已广泛应用于生活。然而，在各算法研究过程中，往往都需要开发一套专用的配套系统，用于模型推理以及结果可视化等展示，使得其时间、成本均大大增加。　　本文以通用图像分析工具为研究课题，为快速开发上述配套系统提供有效支持。首先，设计实现了一个通用图像分析工具，以SSM为后端框架实现软件逻辑控制，以Vuejs为前端框架实现可视化操作界面，使用MySQL实现数据管理，并通过Redis服务优化软件时耗。其中，重点研究了算法服务注册，即提出并训练一套用于头部姿态估计的神经网络模型，并通过该工具将模型注册为服务。其次，设计实现了一套模板系统，对工具的程序正确性、逻辑正确性与通用性进行验证。该系统通过调用通用图像分析工具提供的接口，为输入数据提供预处理服务，并实现模型推理、结果可视化等功能。第三，对头部姿态估计开展研究，提出基于软注意力机制与深度回归森林的多任务学习网络，用于头部姿态估计这一回归任务，并在Biwi、Pandora、ICT-3DHP等多个公开数据集上验证模型性能。训练后的模型通过该工具被注册为服务。　　测试结果表明，本文设计实现的通用图像分析工具具备通用性、程序正确性与逻辑正确性，可以用于快速实现模型推理及结果可视化。所研究的头部姿态估计算法能够在多个公开数据集上取得先进水平，且具有一定的应用价值。

关键词：图像分析模型推理深度学习姿态估计模板系统人脸识别

来源：评论

学校读者我要写书评

暂无评论

基于SSM框架的通用图像分析工具设计与实现

基于SSM框架的通用图像分析工具设计与实现

引用

作者：马祥天电子科技大学

学位级别：硕士

随着计算机技术的高速发展,诸如人脸识别、位姿估计等图像分析算法已广泛应用于生活。然而,在各算法研究过程中,往往都需要开发一套专用的配套系统,用于模型推理以及结果可视化等展示,使得其时间、成本均大大增加。本文以通用图像分析... 详细信息

随着计算机技术的高速发展,诸如人脸识别、位姿估计等图像分析算法已广泛应用于生活。然而,在各算法研究过程中,往往都需要开发一套专用的配套系统,用于模型推理以及结果可视化等展示,使得其时间、成本均大大增加。本文以通用图像分析工具为研究课题,为快速开发上述配套系统提供有效支持。首先,设计实现了一个通用图像分析工具,以SSM为后端框架实现软件逻辑控制,以***为前端框架实现可视化操作界面,使用MySQL实现数据管理,并通过Redis服务优化软件时耗。其中,重点研究了算法服务注册,即提出并训练一套用于头部姿态估计的神经网络模型,并通过该工具将模型注册为服务。其次,设计实现了一套模板系统,对工具的程序正确性、逻辑正确性与通用性进行验证。该系统通过调用通用图像分析工具提供的接口,为输入数据提供预处理服务,并实现模型推理、结果可视化等功能。第三,对头部姿态估计开展研究,提出基于软注意力机制与深度回归森林的多任务学习网络,用于头部姿态估计这一回归任务,并在Biwi、Pandora、ICT-3DHP等多个公开数据集上验证模型性能。训练后的模型通过该工具被注册为服务。测试结果表明,本文设计实现的通用图像分析工具具备通用性、程序正确性与逻辑正确性,可以用于快速实现模型推理及结果可视化。所研究的头部姿态估计算法能够在多个公开数据集上取得先进水平,且具有一定的应用价值。

关键词：图像分析模型推理深度学习姿态估计模板系统

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：