检索结果-内蒙古大学图书馆

电子器件 2024年第5期47卷 1193-1200页

作者：赵月爱沈帅杰王智瑜王玲太原师范学院计算机科学与技术学院山西晋中030602 山西大学自动化与软件学院山西太原030006

随着目标检测神经网络算法精度不断提升,算法的参数量以及计算量都有着较高的增长,导致模型实际应用部署困难,因此对神经网络模型进行轻量化,减少模型的参数量和计算量对模型部署在边缘设备上是至关重要的。昇腾AI处理器是华为推出的一... 详细信息

随着目标检测神经网络算法精度不断提升,算法的参数量以及计算量都有着较高的增长,导致模型实际应用部署困难,因此对神经网络模型进行轻量化,减少模型的参数量和计算量对模型部署在边缘设备上是至关重要的。昇腾AI处理器是华为推出的一款专用于神经网络加速的芯片,为充分发挥昇腾AI处理器的优势并解决算法模型较为庞大的问题,基于此平台提出一种轻量化目标检测模型MNG-YOLO,对YOLO模型采用轻量级主干网络和Ghost卷积以减小模型大小,添加NAM注意力模块和Mish激活函数提升模型准确率。实验结果表明,MNG-YOLO模型相比于原始模型参数量以及计算量均减少约75%,参数量从7 015 519个减少至1 739 799个,计算量从15.8 GFLOPs减少至3.5 GFLOPs,模型精确度也由95.9%提升至97.5%。同时,在昇腾AI处理器上的推理速度达到205 FPS,远超实时性检测的速度要求。

关键词：目标检测 YOLO模型昇腾AI处理器模型轻量化

来源：评论

学校读者我要写书评

暂无评论

基于轻量化深度学习网络的调制信号识别模型

引用

太赫兹科学与电子信息学报 2021年第1期19卷 54-59页

作者：张思成林云康健涂涯哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 北京宇航系统工程研究所北京100076

电磁态势分析是信息化战争中至关重要的工作,如何利用深度学习技术有效实现调制信号识别是其中一项关键技术。首先将调制信号转化为带有颜色信息的星座图形式,并用深度学习方法,选用VGG16和AlexNet两个卷积神经网络完成调制识别任务。... 详细信息

电磁态势分析是信息化战争中至关重要的工作,如何利用深度学习技术有效实现调制信号识别是其中一项关键技术。首先将调制信号转化为带有颜色信息的星座图形式,并用深度学习方法,选用VGG16和AlexNet两个卷积神经网络完成调制识别任务。结果显示,当信噪比大于等于0 dB时,可以达到99%以上的识别准确率。由于军用设备对于计算性能和存储性能把控较为严格,因此采用全零矩阵平均百分比的方法对深度学习模型进行压缩。结果显示,在不损失识别准确率的前提下,信噪比为0 dB时,对于模型参数量,AlexNet可以压缩3466倍,VGG16可以压缩20156倍;对于浮点运算量,AlexNet可以压缩2314倍,VGG16可以压缩13475倍。表明本研究方法对调制信号识别具可行性以及高效性。

关键词：调制信号识别深度学习卷积神经网络模型轻量化

来源：评论

学校读者我要写书评

暂无评论

基于三维轻量化模型的可视化检测系统研究

引用

锻压装备与制造技术 2018年第2期53卷 105-110页

作者：杜宝瑞肖龙屈力刚中航工业沈阳飞机工业(集团)有限公司辽宁沈阳110000 沈阳航空航天大学航空制造工艺数字化国防重点学科实验室辽宁沈阳110136

对三维模型轻量化技术和可视化检测体系进行研究,分析当前制造企业检测工艺资源与管理脱节、检测质量与效率低、检测可视化程度低、三维数模浏览困难等问题,提出基于三维轻量化模型的可视化检测系统。本文以三维轻量化模型为基础,并采... 详细信息

对三维模型轻量化技术和可视化检测体系进行研究,分析当前制造企业检测工艺资源与管理脱节、检测质量与效率低、检测可视化程度低、三维数模浏览困难等问题,提出基于三维轻量化模型的可视化检测系统。本文以三维轻量化模型为基础,并采用压缩简化算法对三维模型进行简化,然后通过三维CAD、可视化检测系统和产品数据管理集成,从而实现基于三维轻量化模型的可视化检测系统。该系统完成对检测过程的数据收集和检测资源的传递,有效降低企业成本,解决检测工艺资源管理与检测过程可视化程度低的问题,实现了检测三维模型信息即时反馈、无缝传递。

关键词：模型轻量化可视化检测系统集成检测工艺

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv11n的输电线路主要缺陷检测方法

引用

高电压技术 2025年

作者：刘宏志黄振龙邱彬王凯辽宁工程技术大学电气与控制工程学院国家电网葫芦岛供电公司

针对大自然的复杂环境导致无人机电力巡检中输电线路缺陷检测存在漏检、误检以及检测精度低的问题，提出一种改进YOLOv11n的输电线路主要缺陷检测算法。设计C3K2-SG模块，增强特征提取能力，以便在复杂背景下精准识别目标缺陷；设计FPSC... 详细信息

针对大自然的复杂环境导致无人机电力巡检中输电线路缺陷检测存在漏检、误检以及检测精度低的问题，提出一种改进YOLOv11n的输电线路主要缺陷检测算法。设计C3K2-SG模块，增强特征提取能力，以便在复杂背景下精准识别目标缺陷；设计FPSConv模块，保证模型轻量化的同时捕捉更多细节；设计弥散金字塔网络结构，增强模型的多尺度特征融合能力；最后提出F-PIoUv2损失函数，解决锚框因不合适的惩罚因子膨胀问题和样本分布不均问题，从而加快模型收敛。实验结果表明，改进模型相较于基线模型mAP值提升了6.3%，准确率、召回率和检测速度分别提升了3.5%、8.7%和6.0%。改进后的检测算法兼顾了轻量化和实时性，也方便模型部署无人机设备。

关键词：缺陷检测共享卷积模型轻量化无人机改进损失函数

来源：评论

学校读者我要写书评

暂无评论

轻量化城市信息模型(CIM)构建技术研究

引用

地理信息世界 2021年第4期28卷 119-123页

作者：周文郭燕燕邹伟林丁志庆宋红亮正元地理信息集团股份有限公司北京101300 北京市智慧管网安全评价及运营监管工程技术研究中心北京101300

本文针对城市信息模型(City Information Modeling,CIM)快速构建与城市级海量三维数据渲染调度需求,深入研究了轻量化CIM构建核心技术环节,从CIM快速构建、模型轻量化和三维立体空间索引3方面提出了解决方案。最后以某地级市场景为例,... 详细信息

本文针对城市信息模型(City Information Modeling,CIM)快速构建与城市级海量三维数据渲染调度需求,深入研究了轻量化CIM构建核心技术环节,从CIM快速构建、模型轻量化和三维立体空间索引3方面提出了解决方案。最后以某地级市场景为例,对关键技术可行性及应用效果进行了验证。结果表明关键技术成果能够满足城市大批量三维模型快速建设以及地上地下一体化管理需求,提高了全空间模型渲染调度和查询分析效率,对于推动CIM平台建设有着重要的参考意义。

关键词：城市信息模型 CIM构建模型轻量化三维立体空间索引

来源：评论

学校读者我要写书评

暂无评论

融合GhostBottleneck及注意力机制的铝型材表面缺陷检测算法研究

引用

现代制造工程 2025年第3期 115-123页

作者：李季村郑鹏李岩何青泽郑州大学机械与动力工程学院郑州450001

在铝型材制造过程中,铝型材表面会因受到材料或加工工艺等因素的影响而产生擦花、脏点等缺陷,直接影响铝型材使用性能。分析了铝型材表面缺陷特点并对比现有深度学习目标检测算法,基于YOLOv8网络模型提出了一种融合GhostBottleneck及注... 详细信息

在铝型材制造过程中,铝型材表面会因受到材料或加工工艺等因素的影响而产生擦花、脏点等缺陷,直接影响铝型材使用性能。分析了铝型材表面缺陷特点并对比现有深度学习目标检测算法,基于YOLOv8网络模型提出了一种融合GhostBottleneck及注意力机制的铝型材表面缺陷检测算法。首先,将Ghost卷积引入Bottleneck层,并用DWConv替换骨干网络中部分卷积结构,在保证检测精度的同时,降低模型复杂程度;然后,在此基础上,将注意力机制添加到YOLOv8检测头模块中,用于提高该模型的检测精度;最后,开展了实验验证,实验结果表明,融合GhostBottleneck及注意力机制的铝型材表面缺陷检测算法精度达到了0.932,相比基础YOLOv8算法,精度提升了5.9%,且模型运算参数量减少了24%,整体性能可满足工业上对铝型材缺陷检测的精度及速度要求。

关键词：铝型材表面缺陷检测注意力机制 YOLOv8 模型轻量化 GhostBottleneck

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv8l的混凝土结构裂缝识别

引用

人民长江 2025年

作者：任青阳王彦丁施俭肖宋强重庆交通大学山区桥梁及隧道工程国家重点实验室重庆交通大学土木工程学院

裂缝是钢筋混凝土结构中常见的缺陷，对结构的安全性和可靠性造成严重影响。为实现裂缝的准确高效检测，本研究提出了一种基于改进YOLOv8l的钢筋混凝土裂缝检测网络模型YOLOv8-Crack Damage（YOLOv8-CD）。首先，引入RepGhost模块的思... 详细信息

裂缝是钢筋混凝土结构中常见的缺陷，对结构的安全性和可靠性造成严重影响。为实现裂缝的准确高效检测，本研究提出了一种基于改进YOLOv8l的钢筋混凝土裂缝检测网络模型YOLOv8-Crack Damage（YOLOv8-CD）。首先，引入RepGhost模块的思想，使模型计算量和参数均减少。其次，引入卷积注意力机制CBAM(Convolutional Block Attention Module)，使模型能够更加聚焦于裂缝区域，提升检测的精准度和鲁棒性。最后，融入广义特征金字塔网络（Global Feature Pyramid Network，GFPN）与优化损失函数，使目标的特征显示得更全面。为了训练和验证算法，本文构建了一个包含丰富真实标注数据的钢筋混凝土裂缝数据集。该数据集覆盖了多样化的裂缝场景，为模型的泛化能力提供了充分验证。实验研究结果表明，在对混凝土构件的裂缝进行检测时，改进后的模型相较于基准模型表现出更高的准确性。具体而言，改进后模型的平均精度均值达到了96.4%，相比基准模型提升了约23.4个百分点。此改进模型在检测精度和实时性方面取得了良好的平衡，并通过对实验数据进行消融和对比验证，证明了该方法的有效性和优越性。

关键词： YOLOv8l 注意力机制空洞卷积模型轻量化钢筋混凝土裂缝

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8n的施工场景下防护装备佩戴检测算法

引用

郑州大学学报(工学版) 2025年第03期 19-25+104页

作者：李军周科宇邹军曾文炳重庆交通大学机电与车辆工程学院

针对在施工场景中现有的防护装备检测算法存在受干扰信息影响、光照不均匀以及被作业设备遮挡等问题，提出了一种改进YOLOv8n的轻量化算法YOLO-LA。首先，将加权双向特征金字塔网络BiFPN引入颈部，通过多路径交互融合，提高底层细节和... 详细信息

针对在施工场景中现有的防护装备检测算法存在受干扰信息影响、光照不均匀以及被作业设备遮挡等问题，提出了一种改进YOLOv8n的轻量化算法YOLO-LA。首先，将加权双向特征金字塔网络BiFPN引入颈部，通过多路径交互融合，提高底层细节和高级语义信息，增强多尺度特征融合性能，提升模型对复杂场景小目标的检测精度；其次，在基线模型中使用C2f-ContextGuided模块对骨干网络进行改造，ContextGuided模块使用全局上下文信息计算权重向量，并使用其细化局部特征和周围上下文特征的联合特征，从而提高模型的特征提取能力，并降低模型复杂度；再次，提出了一种全新的LSCD轻量化检测头，其使用共享卷积，减少模型的参数量和计算量；最后，用EIoU代替了原来的CIoU,优化边框回归，提高了算法收敛速度和回归精度。实验结果表明：YOLO-LA算法在防护装备佩戴检测中表现优异，相比基线模型YOLOv8n,参数量、计算量和模型内存分别降低了61.5%,43.2%和58.7%,同时mAP@0.5提升了1.4百分点，且FPS值为253帧/s,满足防护装备佩戴检测的实时性、准确性和轻量化要求。

关键词：防护装备检测 BiFPN LSCD EIoU损失 C2f-ContextGuided模块模型轻量化

来源：评论

学校读者我要写书评

暂无评论

FDH-DETR工况场景工人行为及火灾检测算法

引用

电子测量技术 2025年第3期48卷 145-153页

作者：董润华常青孔鹏伟王耀力太原理工大学集成电路学院太原030600 太原理工大学电子信息工程学院太原030600 山西众鑫乐食汇食品有限公司临汾041000

针对工厂时刻面临的安全生产问题,例如厂区车间内严禁烟火、需时刻关注工作人员的行为安全、恶劣工况场景下工人是否佩戴口罩等,提出了一个基于RT-DETR改进的工人行为及火灾检测算法FDH-DETR。首先,通过Deep Faster特征深度融合模块与Fa... 详细信息

针对工厂时刻面临的安全生产问题,例如厂区车间内严禁烟火、需时刻关注工作人员的行为安全、恶劣工况场景下工人是否佩戴口罩等,提出了一个基于RT-DETR改进的工人行为及火灾检测算法FDH-DETR。首先,通过Deep Faster特征深度融合模块与FasterNet的融合,减少了算法的参数量和计算量;其次,通过DRBC3模块大小卷积核转换机制,减少了模型的推理成本;最后,通过HiLo-AIFI高低频尺度内特征交互模块,增强了对高低频特征的提取能力。实验结果表明,改进后的算法平均准确度达到了93.8%,参数量减少了31.6%,计算量减少了61.4%,FPS达到了150 fps,并在真实工况场景下进行推理实验,验证了算法的有效性。

关键词： RT-DETR 工人行为检测注意力机制模型轻量化目标检测特征融合火灾检测

来源：评论

学校读者我要写书评

暂无评论

基于多路径动态卷积的YOLOv5无人机航拍目标检测模型

引用

现代电子技术 2025年第7期48卷 72-78页

作者：宋苏汪方正高建安刘泓森香港教育大学数学与资讯科技学系中国香港999077 江苏医药职业学院公共基础学院江苏盐城224005 南京农业大学人工智能学院江苏南京210031 东南大学计算机科学工程学院江苏南京211189

为了提升无人机航拍影像目标检测的准确率,并实现模型的轻量化,文中对YOLOv5目标检测模型进行了多方面的改进。首先,对YOLOv5的骨干网络进行了优化重组,采用更高效的动态卷积结构和多通道并行处理策略增强特征提取能力和检测精度,并显... 详细信息

为了提升无人机航拍影像目标检测的准确率,并实现模型的轻量化,文中对YOLOv5目标检测模型进行了多方面的改进。首先,对YOLOv5的骨干网络进行了优化重组,采用更高效的动态卷积结构和多通道并行处理策略增强特征提取能力和检测精度,并显著减少模型参数量;其次,改进了损失函数,引入Focal⁃EIoU损失函数,更适合无人机航拍图像的特点,进一步提升了模型的检测精度;此外,将原本耦合的检测头进行了解耦处理,设计了轻量级解耦头,使分类、回归和置信度任务解耦处理,提高了检测精度和收敛速度,并合理控制了模型参数量。实验结果表明,改进后的DEP⁃YOLO模型在mAP@0.5指标上提升了9.6%,同时模型大小和参数量分别降低了77.93%和83.82%。综上所述,文中提出的综合改进策略显著提升了无人机航拍影像目标检测的精度,并实现了模型的轻量化,验证了其在航拍影像目标检测领域的有效性。

关键词：目标检测无人机航拍 YOLOv5 模型轻量化动态卷积解耦检测头 Focal⁃EIoU损失函数特征提取

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：