检索结果-内蒙古大学图书馆

作者：周程豪齐鲁工业大学

学位级别：硕士

近年来,信息技术的飞速发展推动了化工园区向智能化和数字化的快速转型。在这一背景下,数字孪生技术成为了推动智慧化工发展的关键力量。数字孪生技术能够创建一个虚拟的数字副本,模拟和预测真实世界的运行状况,为化工园区的运营和管理... 详细信息

近年来,信息技术的飞速发展推动了化工园区向智能化和数字化的快速转型。在这一背景下,数字孪生技术成为了推动智慧化工发展的关键力量。数字孪生技术能够创建一个虚拟的数字副本,模拟和预测真实世界的运行状况,为化工园区的运营和管理提供了有力支持。然而,当前许多化工企业在系统可视化方面仍然面临挑战。传统的可视化平台多以组态场景为核心,这种方式难以直观地展现化工园区内复杂的设备结构和管道布局等三维信息。此外,化工园区作为重要的工业生产基地,部分园区在数据处理方面存在显著问题,如数据质量不高、管理混乱等。以上问题不仅影响了园区生产监控的准确性,还可能埋下安全隐患,对园区的稳定运行构成威胁。为了应对以上挑战,本文基于模型轻量化技术、My SQL数据库以及前后端技术,设计并搭建了一套基于数字孪生技术的智慧化工监控平台。本文的主要内容如下: (1)网格模型轻量化算法:在QEM网格简化算法的基础上,引入了三角形网格面积和边界作为网格简化的约束控制,确保简化后的网格模型能够精准地保留局部几何特征。同时,采用了LBFGS算法对新生成的三角形顶点位置进行精细微调,以生成具有高保真度的网格模型。 (2)数据管理:设计并搭建基于My SQL和Express框架的数据管理系统,用于存储和管理化工园区内产生的巡检数据、能耗数据、告警数据等关键数据,为智慧化工监控平台提供了可靠的数据支撑。通过对数据进行趋势分析以及各危险源的实时数据监测,有效地提升了化工园区的安全生产保障水平。 (3)模型可视化管理:首先,设置合成氨设备模型和化工园区模型分别进行在网页端渲染加载。通过数字孪生仿真管理平台,设置渲染层中的各个组件。其次,通过***技术,实现设备标签和结构信息的查看,并提供快速定位功能。接着,以山东某化工园区为例,实现对整个园区的模拟和展示。最后,利用数据管理系统,实现数据大屏可视化。 (4)测试:首先,通过量化指标和模型网格对比,可以看出本文提出的优化算法在随着简化率增大时,模型内部几何数据的保持情况优于原始算法简化的模型。在可视化帧率测试中,使用优化后的简化模型时,系统的帧率和稳定性表现要优于未使用简化算法的模型。其次,通过用户操作验证,后台数据管理和数字孪生平台的关键功能可以正常运行,并且模块之间的联动性和数据同步性得到了保障。基于前述研究和准备工作,以***为核心,采用***作为前端技术,***作为后端技术,实现了基于数字孪生的智慧化工监控平台。该平台整合了模型轻量化技术,实现了模型的快速加载与渲染。同时,该平台集成了数据查询、数据实时监测和预警等功能,提升了事故预防和响应处置的能力,为化工园区的安全生产和高效运营提供了有力支持。

关键词：数字孪生模型轻量化后台管理可视化

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的行人检测方法及模型轻量化研究

基于深度学习的行人检测方法及模型轻量化研究

引用

作者：王经波长安大学

学位级别：硕士

高效的行人检测是智能车辆感知技术研究的一个重要方向,对于提升车辆的智能化水平,提高道路交通安全具有重要意义。当前行人检测方法存在检测精度低,对小目标和密集行人检测能力差以及检测实时性不高等问题。针对这些问题,本文提出一种... 详细信息

高效的行人检测是智能车辆感知技术研究的一个重要方向,对于提升车辆的智能化水平,提高道路交通安全具有重要意义。当前行人检测方法存在检测精度低,对小目标和密集行人检测能力差以及检测实时性不高等问题。针对这些问题,本文提出一种基于YOLOv7的行人检测方法和模型轻量化方法,以提高行人检测的精度和速度。论文主要研究工作如下: (1)针对目前行人检测方法存在检测精度低、对小目标和密集行人检测能力差的问题开展研究。选取YOLOv7作为基础网络模型,构建一个包含小目标和密集行人标注信息的行人数据集用于模型训练和测试。结合行人检测的任务特点对YOLOv7网络进行改进,主要包括:将主干网络替换为Swin-Transformer,增强网络模型的特征提取能力,增加高分辨率特征图提升模型对小目标行人检测的敏感度;在Neck层嵌入改进的显式视觉中心使模型捕捉更多的长远程特征依赖信息,构建一个通道空间注意力机制CSNAModel,并将其与坐标注意力结合,强化模型对通道和空间关键信息的学习能力;基于EIo U改进损失函数提高预测框生成位置的精确度。对改进模型进行实验和分析,实验结果表明,改进后的行人检测模型的检测得到了有效提升,小目标和密集行人的检测能力增强,减少了漏检和误检。 (2)针对行人检测过程中存在的实时性不足问题进行模型轻量化研究。首先调整改进模型主干网络和Neck层的结构,精简冗余结构,使模型更加紧凑高效;然后对调整后的模型进行剪枝处理,包括稀疏训练、通道剪枝和微调训练,降低模型复杂度;最后对轻量化后的模型进行实验和分析。实验结果表明,轻量化模型在保持与原模型相近的检测精度的前提下,显著提升了检测的实时性,取得了检测精度和检测速度的良好平衡。 (3)针对轻量化行人检测模型在硬件平台的部署进行研究。首先构建一个行人检测实验系统,包括整体架构设计和硬件选型;然后利用Tensor RT将轻量化行人检测模型部署到NVIDIA Jetson Nano嵌入式平台和PC端平台中;最后搭建实验车辆,在真实城市道路场景下进行实车测试。测试结果表明,部署在嵌入式平台上的轻量化行人检测模型表现出较好的检测精度和速度,漏检和误检率较低,能够满足应用需求。

关键词：行人检测小目标行人密集行人模型轻量化模型部署

来源：评论

学校读者我要写书评

暂无评论

DenseNet模型轻量化改进研究

引用

华中师范大学学报（自然科学版） 2020年第2期54卷 187-193页

作者：舒军蒋明威杨莉陈宇湖北工业大学电气与电子工程学院武汉430068 湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室武汉430068 湖北第二师范学院计算机学院武汉430205

针对深层DenseNet模型在小型数据集上的过拟合问题,提出了一种改进的轻量化DenseNet模型.首先,优化网络中密集连接块(Dense Block)数量和其内部网络结构;然后,提出一种自适应池化层方法,解决改进网络的特征图分辨率适应问题;最后,加入Sk... 详细信息

针对深层DenseNet模型在小型数据集上的过拟合问题,提出了一种改进的轻量化DenseNet模型.首先,优化网络中密集连接块(Dense Block)数量和其内部网络结构;然后,提出一种自适应池化层方法,解决改进网络的特征图分辨率适应问题;最后,加入Skip Layer模块增强密集连接块间特征信息流通.实验结果表明,改进方法能够减少模型的参数量和计算量,有效解决了深层DenseNet的过拟合问题.

关键词： DenseNet Skip Layer 深度网络模型轻量化

来源：评论

学校读者我要写书评

暂无评论

基于GAN的SAR-光学图像映射及其模型轻量化研究

基于GAN的SAR-光学图像映射及其模型轻量化研究

引用

作者：余天柱南京航空航天大学

学位级别：硕士

随着人们对农业、林业以及军事等领域探测需求的提升,遥感探测技术已经成为了重要的对地观测手段。合成孔径雷达(Synthetic Aperture Radar,SAR)所具有的全天时、全天候对地观测特点使其成为具有重要战略意义的遥感技术,但SAR图像包含... 详细信息

随着人们对农业、林业以及军事等领域探测需求的提升,遥感探测技术已经成为了重要的对地观测手段。合成孔径雷达(Synthetic Aperture Radar,SAR)所具有的全天时、全天候对地观测特点使其成为具有重要战略意义的遥感技术,但SAR图像包含的乘性噪声与几何失真对其本身的识别检测带来了困难,光学遥感探测受制于光照云层等因素,但其成像结果更符合人眼直观感受,更易解读。将易获取的SAR图像映射到易解读的光学图像将会大大增加探测效率。采用生成对抗网络(Generative Adversarial Networks,GAN)将SAR图像转化为对应光学图像是一种有效手段,但GAN包含参数量过大,仅生成器的参数就远多于常规识别网络,对计算平台与计算时间都带来了巨大考验。因此,映射模型的轻量化算法就显得非常必要。针对上述情况,本文做出了以下研究成果: 首先本文对生成对抗网络的原理进行分析,详细研究了GAN的优化目标本质,并分析了现有图像映射算法没有应对SAR图像特殊物理特征的措施,在SAR-光学图像映射任务上存在不足;同时研究了现有模型轻量化技术的原理,指出了现有模型压缩技术主要适用于分类检测模型的局限性,少数针对GAN的轻量化算法也缺乏对SAR图像物理特征的考量。接着,针对SAR图像到光学图像映射,提出了基于条件生成对抗网络的映射框架。其中,对于SAR图像包含的高频相干斑噪声,设计了基于离散余弦变换的损失函数;又为了应对SAR图像与光学图像巨大的特征差异设计了融合注意力机制的残差生成器与基于神经网络的特征匹配损失函数。实验表明,所提出的方法在客观评价指标与视觉感知上均优于已有方法。最后,为了应对所设计的图像映射模型参数量过多问题,提出了SAR-光学图像映射模型轻量化方法。针对生成对抗网络对结构的敏感性问题,不采用现成的剪枝算法,而是设计了基于神经架构搜索的自动通道剪枝,从众多结构中搜索出最佳结构;并设计了基于网络中间特征的知识蒸馏算法辅助训练。实验结果表明,所提出的映射模型轻量化算法优于基线方法,能在大幅压缩参数量,以较小的性能损失提升了网络推理速度。

关键词： SAR图像图像映射生成对抗网络 GAN模型压缩模型轻量化神经架构搜索卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

面向大装配复杂CAD模型轻量化技术

面向大装配复杂CAD模型轻量化技术

引用

作者：葛超群西安电子科技大学

学位级别：硕士

随着现代化技术不断推陈出新,尤其是信息技术的飞速发展,世界制造业发生了重大变革,最显著的特征就是企业竞争中技术创新的主导地位日益突显。其中CAD/CAM技术的迅速发展,使得整个产品的设计、虚拟制造和数字化样机均可在计算机中完成,... 详细信息

随着现代化技术不断推陈出新,尤其是信息技术的飞速发展,世界制造业发生了重大变革,最显著的特征就是企业竞争中技术创新的主导地位日益突显。其中CAD/CAM技术的迅速发展,使得整个产品的设计、虚拟制造和数字化样机均可在计算机中完成,为企业的产品设计、制造和整个过程生产水平的提高带来了质的飞跃。在享受现代化成果的同时也产生了一个问题,现如今大数据容量的复杂装配体的设计已成为产品设计过程中极为重要的元素。三维模型结构越来越复杂,零部件及其自身特征数量繁多,所携带的信息量巨大,因此占用的空间也越来越大。计算机仅加载显示一项就耗时漫长,更是难以满足实时性处理要求。鉴于此当前有两个途径解决,一是提高计算机处理能力,包括发现和应用新型计算机材料、扩大硬件空间、加快网络传输速度,此途径效果可见但有很多限制,多数情况下仍然无法满足用户对系统的实时性处理要求。二是对CAD模型进行轻量化处理,这也是本文研究的重点。1、首先提出一种面向大装配复杂CAD模型轻量化方法,保持外观和数据组织不变的情况下使文件容量显著减小,切实有效地解决了工程领域轻量化方面的问题。依据本方法指导进行实际开发,本文讲述的复杂装配模型轻量化系统开发是在Visual Studio 2008平台下基于Pro/Toolkit对Pro/E进行二次开发,文中对开发的主要工具Pro/Toolkit以及MFC、动态链接库等进行了详细的介绍,同时也对Pro/Toolkit在Visual Studio 2008中的配置进行了说明。2、文章创造性技术有:一是零部件轻量化技术。要满足不同用户的需求,确保轻量化后的模型几何形状及拓扑结构与原始设计的一致性,在此基础上进行轻量化处理。二是基于轻量化组件的装配技术。对装配模型拓扑信息进行解析并提取,根据信息进行轻量化零部件的装配,并最终生成轻量化的整机装配模型。3、系统工具界面及菜单部分简单直观,分模块逐步完成功能实现,然后测试功能进行优化,最终完成复杂装配三维模型轻量化程序开发。使用本工具进行多组试验反向验证本文提出的模型轻量化方法的有效性和高效性。面向大型装配模型轻量化技术,能够为从产品的设计人员到最终产品制作人员提供极大的便利,大幅缩短了产品设计到生产过程中浪费在机器等待时间,降低了企业间协同交流作业难度,有效地提高模型设计效率及企业效益。

关键词：模型轻量化 Pro/E二次开发 Pro/Toolkit

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的目标检测模型轻量化算法研究

基于卷积神经网络的目标检测模型轻量化算法研究

引用

作者：史李栋天津大学

学位级别：硕士

目标检测是计算机视觉的基础问题之一,在智慧交通、智能安防和工业缺陷检测等诸多领域有着广泛的应用。基于深度卷积神经网络的目标检测算法在不同场景的任务中表现出了卓越的性能,但庞大的计算和存储资源需求严重限制了相关算法在资源... 详细信息

目标检测是计算机视觉的基础问题之一,在智慧交通、智能安防和工业缺陷检测等诸多领域有着广泛的应用。基于深度卷积神经网络的目标检测算法在不同场景的任务中表现出了卓越的性能,但庞大的计算和存储资源需求严重限制了相关算法在资源有限的边缘设备上的落地应用。论文围绕基于深度卷积神经网络的目标检测模型的轻量化算法展开研究,从模型加速和性能提升两个方面出发,分别提出了适用于目标检测模型的动态门控系统衍生的通道剪枝算法和上下文感知的知识蒸馏算法,并利用二者的轻量化特性设计了轻量化联合算法框架。本文的主要贡献如下:1.针对传统模型剪枝算法由于对剪除对象评估不全面而严重破坏模型原有精度的问题,在引入动态通道剪枝策略为网络节点提供合适评估标准的基础上,提出一种适用于目标检测的动态门控系统衍生的通道剪枝算法。该方法充分融合动态剪枝以输入为导向的动态调节优势以及静态剪枝的模型精简能力,在保证精度的前提下生成结构更精简、速度更快的目标检测模型。在目标检测数据集VOC上的实验结果证明了该算法的有效性和通用性,不同模型的大小均缩减39.6%以上,计算量减小42.9%以上,同时性能下降不超过1.6%。2.针对结构简单的目标检测模型往往精度较低的问题,提出了一种适用于目标检测的上下文感知知识蒸馏算法。该算法包含上下文感知模块和自注意力机制,可以充分利用被检测目标的上下文信息,从空间域和通道域同时提取并精炼教师网络的知识,并使用精炼后的知识作为学生网络训练过程中的额外监督信息。在对该算法进行的有效性和通用性验证实验中,基于不同骨干网络的检测器在VOC和KITTI数据集上均取得了超过2.9%的性能提升。3.针对模型剪枝损失精度以及知识蒸馏无法独立完成轻量化任务的问题,提出一种基于模型剪枝与知识蒸馏的轻量化联合算法框架。首先使用动态门控系统衍生的通道剪枝算法进行剪枝,减少参数量;然后使用上下文感知知识蒸馏算法提升精度,得到参数量小、推理速度快且精度较高的轻量级模型。在实验中,输出的轻量级模型在保持基线模型精度的同时,参数压缩超过48.2%,计算量下降53.1%以上,证明了所提出的算法框架的有效性。

关键词：计算机视觉目标检测模型轻量化模型剪枝知识蒸馏

来源：评论

学校读者我要写书评

暂无评论

卷积神经网络的模型轻量化研究与应用

卷积神经网络的模型轻量化研究与应用

引用

作者：王桥西南科技大学

学位级别：硕士

随着边缘计算与深度学习技术的融合升级,在边缘节点部署卷积神经网络模型,以实现长时间、大范围、低成本的轴承故障诊断前景广阔。然而,当前边缘节点存在资源受限等问题,难以实现卷积神经网络模型在边缘端的高效部署与应用。因此本文主... 详细信息

随着边缘计算与深度学习技术的融合升级,在边缘节点部署卷积神经网络模型,以实现长时间、大范围、低成本的轴承故障诊断前景广阔。然而,当前边缘节点存在资源受限等问题,难以实现卷积神经网络模型在边缘端的高效部署与应用。因此本文主要研究卷积神经网络在边缘轴承故障诊断中的模型轻量化与应用问题,主要研究内容如下: 针对传统等比例剪枝方法易导致模型精度损失过大的问题,提出了一种基于卷积层重要性的最佳剪枝比例搜索算法。一方面,基于精度反馈法确定网络中各卷积层的重要性,并将网络中的卷积层分为重要卷积层和非重要卷积层;另一方面,不断改进剪枝比例搜索算法,从固定步长的剪枝比例搜索算法过渡到动态步长的搜索算法。此外,为验证最佳剪枝比例的有效性,分别在不同数据集和卷积神经网络上进行实验,结果表明非等比例的最佳剪枝比例下能有效减少轻量化模型的精度损失。针对滤波器间的相似性冗余,提出了一种基于相关熵的滤波器重要性评价方法,在局部的单一卷积层内,通过相关熵准则衡量滤波器间相似性,以确定滤波器重要性。一方面,不断改进基于相关熵的滤波器重要性评价体系,从基于全体相关熵的方法过渡到基于特征滤波器的方法。另一方面,结合最佳剪枝比例和滤波器重要性对网络模型进行剪枝,得到轻量化模型。在与相关算法的对比实验中,所提算法表现良好,不仅具有更小的精度损失,而且具备较高的内存压缩率。针对边缘场景下的轴承故障诊断任务,研究所提模型轻量化方法在工程实践中的应用。通过搭建轴承故障模拟平台模拟轴承工作的振动信号,并结合边缘端数据采集器实时采集轴承振动信号,通过部署在边缘嵌入式设备的轻量化故障诊断模型实现轴承状态的实时诊断。在实验部分,通过相同的网络在不同数据集下的实验进一步验证了所提模型轻量化方法的有效性。

关键词：卷积神经网络模型轻量化边缘计算剪枝轴承故障诊断

来源：评论

学校读者我要写书评

暂无评论

面向工业缺陷检测的神经网络模型轻量化方法研究

面向工业缺陷检测的神经网络模型轻量化方法研究

引用

作者：张景涛重庆理工大学

学位级别：硕士

在工业应用场景下,缺陷检测是生产制造和产品质检过程中必不可缺的关键环节。在传统的工业制造中,缺陷检测主要依靠人工完成,具有检测效率低、成本高、实时性差、准确性低、主观误差高以及接触损伤等弊端,现已无法满足现代工业的生产需... 详细信息

在工业应用场景下,缺陷检测是生产制造和产品质检过程中必不可缺的关键环节。在传统的工业制造中,缺陷检测主要依靠人工完成,具有检测效率低、成本高、实时性差、准确性低、主观误差高以及接触损伤等弊端,现已无法满足现代工业的生产需求。随着人工智能技术的发展,以卷积神经网络为代表的深度学习模型拥有强大的特征提取能力与泛化能力,在通用目标检测领域表现出良好的性能,同时也为工业缺陷检测提供了新的思路。然而,更高的精度同时也带来了更高的模型复杂度,导致其难以在算力和存储空间有限的嵌入式或移动平台进行部署,且复杂模型的推理速度也无法满足工业应用中对实时性的要求,限制了其在工业领域的推广。因此,研究神经网络模型的轻量化方法具有重要的意义。本文首先对模型轻量化的国内外现状进行了分析,然后从精度和速度两个方面考虑,分别从知识蒸馏和网络剪枝的角度进行模型轻量化方法的研究,主要工作内容如下: (1)针对现有应用于目标检测的知识蒸馏方法只在对应特征层之间进行蒸馏,无法充分利用教师模型中隐藏的“暗知识”的问题,提出一种基于双向注意力多尺度融合的知识增强方法,分别通过空间注意力和通道注意力对教师特征进行自下而上和自上而下的多尺度特征融合,使学生网络可以跨层级学习到更加丰富的空间位置信息和通道语义信息知识。针对传统蒸馏方法在教师和学生能力差距过大时,蒸馏性能受限的问题,提出一种基于先验知识的特征编辑重建方法,通过在特征编辑时加入教师的特征先验知识,降低学生学习的难度。为了防止教师将错误的知识传递给学生网络,采用特征重建的方式代替直接的特征模仿。在瓶装白酒疵品检测数据集上的实验结果证明了本文所提方法的有效性,对基于ResNet50的三种不同类型的检测器,精度提升分别为:2.6、2.1和2.3个百分点。在NEU-DET数据集上的实验结果证明了本文所提方法的泛化性,对基于ResNet50的三种不同类型的检测器,精度提升分别为:2.7、2.6和2.1个百分点。 (2)针对现有应用于目标检测的通道剪枝方法不能有效评估网络模型的通道重要性,导致误删除重要通道的问题,提出一种基于BN层参数稀疏化的通道重要性评估方法。利用BN层与卷积层的关联性,在稀疏化训练后,同时通过BN层的尺度缩放因子γ和位移因子β计算通道重要性分数排名,避免只考虑单一参数造成的重要通道误删除的问题。针对因残差连接导致的通道耦合问题,通过深度优先搜索算法找出耦合卷积层,在剪枝时通过共享掩码的方式将耦合通道一并删除,提高剪枝效率。在在瓶装白酒疵品检测数据集上的实验结果证明了本文所提方法的有效性,通过结合蒸馏和剪枝的方法,对基于ResNet50的三种不同类型的检测器,精度分别提升2.0、1.5和2.1个百分点,推理速度的平均提升超过12%,模型参数量分别下降65.47%、64.18%和67.05%,在NEU-DET数据集上的实验结果证明了本文所提方法的泛化性。

关键词：模型轻量化知识蒸馏知识增强通道剪枝缺陷检测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的信号识别模型轻量化方法研究

基于深度学习的信号识别模型轻量化方法研究

引用

作者：陈豪电子科技大学

学位级别：硕士

信号识别是信息科学领域中的一个重要子领域,现代电子信息系统的发展,比如说通信、雷达等,都离不开信号处理技术的发展。各种各样的通信电子设备随着科学的不断进步以及通信技术的飞速发展被大量的使用。深度学习是人工智能领域热潮中... 详细信息

信号识别是信息科学领域中的一个重要子领域,现代电子信息系统的发展,比如说通信、雷达等,都离不开信号处理技术的发展。各种各样的通信电子设备随着科学的不断进步以及通信技术的飞速发展被大量的使用。深度学习是人工智能领域热潮中最火爆的一个分支,在很多应用场景上都取得了比传统方法更好的效果。因此利用深度学习进行信号识别也有了可行性,近些年来,越来越多的深度卷积神经网络被应用在信号识别领域中。尽管深度学习有很多传统方法无法比拟的优点,但是大而深的深度网络模型内存和运算量都很大,而对于嵌入式设备以及一些小型的移动设备来说无法应用。所以,在信号识别卷积神经网络性能损失合理的前提下,模型轻量化是一个很重要的研究方向。本文针对应用于信号识别的卷积神经网络模型轻量化展开研究,主要工作如下:(1)对应用于信号识别的卷积神经网络结构进行分析,将卷积神经网络中卷积层的标准卷积改为深度可分离卷积。该方法把普通卷积分解成两部分,第一部分为深度卷积,第二部分为点卷积,通过两部分的组合,从而达到对网络的轻量化作用。通过这种方法,可以有效的减小模型的大小,加快模型的前向推理速度。(2)针对信号识别卷积神经网络卷积层中卷积核冗余导致模型太大并且前向推理时间过多的问题,本文提出一种基于区间的卷积核剪枝方法。该方法通过提取训练好的模型的卷积层的权重参数,将卷积核的权重区间分为几个等分区间,设置每个区间的剪枝系数,对每个区间的卷积核进行剪枝,然后对模型重新训练。与传统的剪枝方法相比,该方法在损失同样精度的情况下,能够达到更大的轻量化比例。(3)针对信号识别卷积神经网络中全连接层参数过于冗余的情况,采用奇异值分解的方法对全连接层进行轻量化。奇异值分解轻量化方法主要通过将一个大的矩阵分解成几个小矩阵相乘的形式,从而减少网络的参数量,在模型性能损失比较小的情况下达到对模型的轻量化目的。(4)针对不同类型的信号识别卷积神经网络,合理采用上述的方法进行组合,在不同的数据集上进行详细的实验对比,在模型性能损失可以接受的情况下达到比单独的轻量化算法更好的效果。

关键词：信号识别深度学习模型轻量化卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

面向电磁信号调制识别的模型轻量化研究

面向电磁信号调制识别的模型轻量化研究

引用

作者：高旭章浙江工业大学

学位级别：硕士

调制识别技术在无线电信号处理中起着至关重要的作用，可以准确地辨认出被检测到的无线电信号所属的调制类型，从而实现对无线电信号的有效探测和解调。随着数据量的扩充和噪声的干扰，电磁信号调制识别任务难度也逐渐增大，被设计出的... 详细信息

调制识别技术在无线电信号处理中起着至关重要的作用，可以准确地辨认出被检测到的无线电信号所属的调制类型，从而实现对无线电信号的有效探测和解调。随着数据量的扩充和噪声的干扰，电磁信号调制识别任务难度也逐渐增大，被设计出的深度学习模型结构越来越复杂。模型参数量呈现指数式增长，同时也需要消耗更多资源。为了应对复杂的通信环境，考虑将深度学习模型部署到边缘端设备，将会受到诸多方面的约束，比如边缘端设备存储空间有限，深度学习模型所需计算量高、推理时间长等，无法满足任务的有效性和实时性。面向电磁信号调制识别任务，开展了模型轻量化研究，主要工作如下：　　(1)从模型设计层面，提出两种新的面向电磁信号调制识别的轻量级神经网络模型。基于Conv-BN-ReLU(Convolution-BatchNormalization-ReLU)结构设计的卷积神经网络具有较高的复杂度，难以在边缘设备中得到广泛应用。从改变卷积核尺寸大小和卷积方式两个方面，分别基于FireModule和ShuffleModule构建网络模型。通过理论分析和仿真结果显示，在保证信号调制识别准确率的同时，轻量级网络模型可以有效地减小模型的参数量和计算量。　　(2)面向信号调制识别的模型通道剪枝方法。为提高模型的识别精度，提出适用于信号调制识别任务的模型通道剪枝方法，同时考虑神经网络卷积层的通道冗余性以及利用BN层γ比例因子衡量通道重要性，进一步提出卷积通道的显著性评估指标。该方法从模型通道的结构相似性角度以及数值角度联合评估，防止剪切掉重要的卷积层通道，并且结合一次性剪枝策略以及局部剪枝策略保证模型分类性能。在多种不同的信号模型上证明了方法的有效性，与其他经典的剪枝方法相比，能够有着更优的分类精度以及更大的压缩比率，并且将剪切前后的网络模型部署到边缘端设备上，有着明显的加速效果。　　(3)面向信号调制识别的模型层剪枝方法。考虑到通道剪枝方法受原始模型深度的限制，为提高智能化信号调制识别任务的实时性，从减少模型深度方面考虑，以卷积层作为最小剪枝单元。该方法为每个卷积层生成代理分类器，根据代理分类器的分类精度评估卷积层的显著性得分并且移除得分较小的卷积层模块。然后，微调剪枝后的紧凑模型从而恢复模型对信号调制类型的识别准确率。最后，以知识蒸馏代替微调，弥补模型在高压缩率下损失的性能。

关键词：电磁信号调制识别深度学习神经网络模型轻量化边缘端设备

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：