检索结果-内蒙古大学图书馆

自动化技术与应用 2025年第1期44卷 181-184页

作者：杨东亮宋昌江黑龙江省科学院智能制造研究所黑龙江哈尔滨150090

为了提高卷积神经网络识别手指静脉的能力,提出了一种结合通道重要性的MobileNet网络。具体而言,对MobileNet提取的特征进行信道重要性分析,对不重要的特征信道进行压缩,提高网络特征表示能力。同时,利用三重态损失提取的网络模型具有... 详细信息

为了提高卷积神经网络识别手指静脉的能力,提出了一种结合通道重要性的MobileNet网络。具体而言,对MobileNet提取的特征进行信道重要性分析,对不重要的特征信道进行压缩,提高网络特征表示能力。同时,利用三重态损失提取的网络模型具有类间分布和类内紧密性的特点,提高了网络模型的判别能力。在MultiView-FV静脉数据集上进行了实验,结果表明该方法是有效的。

关键词：手指静脉识别轻量化模型 MobileNet

来源：评论

学校读者我要写书评

暂无评论

基于轻量化模型的CAD/CAPP系统集成技术研究

引用

计算机集成制造系统 2010年第3期16卷 521-526页

作者：田富君田锡天李洲洋耿俊浩西北工业大学现代设计与集成制造技术教育部重点实验室陕西西安710072

针对当前计算机辅助设计、计算机辅助工艺设计系统间三维模型信息的集成和共享问题,提出了一种基于轻量化三维模型的信息集成方法。建立了基于轻量化模型的工艺信息模型。提出了基于轻量化模型的制造特征提取方法,通过设计轻量化模型几... 详细信息

针对当前计算机辅助设计、计算机辅助工艺设计系统间三维模型信息的集成和共享问题,提出了一种基于轻量化三维模型的信息集成方法。建立了基于轻量化模型的工艺信息模型。提出了基于轻量化模型的制造特征提取方法,通过设计轻量化模型几何信息提取和判断相邻表面间邻接关系的算法,建立了轻量化模型的边界表示(B-rep)模型,然后将边界表示模型与预先定义的形状特征模板进行比较,从而识别出零件的制造特征。最后通过一个实例验证了制造特征提取方法的可行性和有效性。

关键词：计算机辅助工艺设计制造特征工艺信息模型轻量化模型特征识别

来源：评论

学校读者我要写书评

暂无评论

支持协同的3维轻量化模型与圈阅工具的研究

引用

计算机集成制造系统 2006年第9期12卷 1385-1390页

作者：刘清华刘云华万立华中科技大学国家企业信息化支撑软件工程技术研究中心湖北武汉430074

为提高3维模型的传输效率和协同设计中的数据保密性,定义了一种支持协同的3维轻量化数据结构,引入了轻量化装配模型和轻量化零件模型,其中轻量化装配模型记录了模型的产品结构关系和各零件的装配位置,轻量化零件模型记录了模型的非精确... 详细信息

为提高3维模型的传输效率和协同设计中的数据保密性,定义了一种支持协同的3维轻量化数据结构,引入了轻量化装配模型和轻量化零件模型,其中轻量化装配模型记录了模型的产品结构关系和各零件的装配位置,轻量化零件模型记录了模型的非精确显示数据和支持模型测量的精确几何数据及其关联。因为过滤原始3维模型中的非几何信息,轻量化模型的数据量约为原始模型的1/20。在系统实现方面,给出了3维轻量化工具的体系结构,研究了3维模型轻量化组件、可视化浏览器组件和可视化协同组件的开发。最后,在某汽车制造企业的产品数据管理系统中进行了实施,提高了3维环境下的协同设计效率。

关键词：轻量化模型可视化圈阅工具协同产品开发

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8的小麦叶片病虫害检测轻量化模型

引用

智慧农业（中英文） 2024年第1期6卷 147-157页

作者：杨锋姚晓通兰州交通大学电子与信息工程学院甘肃兰州730070

[目的/意义]针对小麦叶片病虫害在自然环境下形态和颜色特征较为复杂、区分度较低等特点,提出一种高质量高效的病虫害检测模型,即YOLOv8-SS (You Only Look Once Version 8-SS),为病虫害的预防与科学化治理提供准确的依据。[方法]基于YO... 详细信息

[目的/意义]针对小麦叶片病虫害在自然环境下形态和颜色特征较为复杂、区分度较低等特点,提出一种高质量高效的病虫害检测模型,即YOLOv8-SS (You Only Look Once Version 8-SS),为病虫害的预防与科学化治理提供准确的依据。[方法]基于YOLOv8算法,采用改进的轻量级卷积神经网络ShuffleNet V2作为主干网络提取图像特征即YOLOv8-S,在保持检测精度的同时,减少模型的参数数量和计算负载;在此基础上增加小目标检测层和注意力机制SEnet (Squeeze and Excitation Network),对YOLOv8-S进行改进,在不降低检测速度和不损失模型轻量化程度的情况下提高检测精度,提出YOLOv8-SS小麦叶片病虫害检测模型。[结果与讨论]YOLOv8-SS模型在实验数据集上的平均识别精度和检测准确率分别达89.41%和91.00%,对比原模型分别提高10.11%和7.42%。因此,本研究所提出的方法可显著提高农作物病虫害的检测鲁棒性,并增强模型对小目标图像特征的提取能力,从而高效准确地进行病虫害的检测和识别。[结论]本研究使用的方法具有广泛适用性,可应用于大规模农作物病虫害检测的实际场景中。

关键词：小麦叶片病虫害检测 ShuffleNet V2 YOLOv8 轻量化模型

来源：评论

学校读者我要写书评

暂无评论

基于眼底彩色照相的常见眼底疾病智能辅助诊断轻量化模型研究

引用

中华眼底病杂志 2022年第2期38卷 146-152页

作者：陆兵吴茂念郑博朱绍军郝秀兰陈楠侯泽江蒋沁杨卫华湖州师范学院信息工程学院湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室杭州313000 南京医科大学附属眼科医院眼科人工智能大数据实验室南京210029

目的观察基于眼底彩色照相的常见眼底疾病六分类智能辅助诊断轻量化模型的诊断价值。方法应用研究。采集南京医科大学附属眼科医院和浙江省数理医学学会智能眼科数据库的2400张彩色眼底像数据集,该数据集经脱敏处理及眼底病专科医师标注... 详细信息

目的观察基于眼底彩色照相的常见眼底疾病六分类智能辅助诊断轻量化模型的诊断价值。方法应用研究。采集南京医科大学附属眼科医院和浙江省数理医学学会智能眼科数据库的2400张彩色眼底像数据集,该数据集经脱敏处理及眼底病专科医师标注,包括糖尿病视网膜病变、青光眼、视网膜静脉阻塞、高度近视、老年性黄斑变性、正常眼底像各400张。训练时使用迁移学习方法,将经典分类模型VGGNet16、ResNet50、DenseNet121和轻量化分类模型MobileNet3、ShuffleNet2、GhostNet在ImageNet数据集上训练获得的参数迁移到六分类常见眼底疾病智能辅助诊断模型作为初始化参数,进行训练并获得最新模型。选取临床患者彩色眼底像1315张作为测试集。评价指标包括灵敏度、特异性、准确度(Accuracy)、F1-Score和诊断试验的一致性(Kappa值);比较不同模型的受试者工作特征曲线以及曲线下面积值。结果与经典分类模型比较,3种轻量化分类模型的储存大小和参数量均显著降低,其中ShuffleNetV2平均每张识别时间较经典分类模型VGGNet16快438.08 ms。3个轻量化分类模型的准确度均>80.0%;Kappa值均>70.0%,具有显著一致性;对正常眼底图像诊断的灵敏度、特异性、F1-Score均≥98.0%;宏观F1分别为78.2%、79.4%、81.5%。结论基于眼底彩色照相的常见眼底疾病智能辅助诊断轻量化模型识别准确率高、速度快;储存大小和参数量均较经典分类模型显著降低。

关键词：视网膜疾病人工智能诊断,计算机辅助轻量化模型

来源：评论

学校读者我要写书评

暂无评论

基于轻量化模型的加工特征识别技术

引用

中国机械工程 2010年第18期21卷 2212-2217页

作者：田富君田锡天耿俊浩李洲洋张振明西北工业大学西安710072

为有效提取轻量化模型中的加工特征,在分析轻量化模型的基础上,建立了面向特征的轻量化数据模型,并提出了基于轻量化模型的加工特征识别方法。通过设计轻量化模型的几何信息提取算法,建立了轻量化模型的边界表示模型;给出了一个判断表... 详细信息

为有效提取轻量化模型中的加工特征,在分析轻量化模型的基础上,建立了面向特征的轻量化数据模型,并提出了基于轻量化模型的加工特征识别方法。通过设计轻量化模型的几何信息提取算法,建立了轻量化模型的边界表示模型;给出了一个判断表面间邻接关系的算法,建立了零件的属性邻接图;通过对属性邻接图进行二次分解,实现了对凸出类特征和凹陷类特征的识别。最后,通过一个实例验证了方法的可行性和有效性。

关键词：加工特征特征识别轻量化模型边界表示属性邻接图

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5s轻量化模型的红外场景目标检测方法研究

引用

兵器装备工程学报 2024年第3期45卷 323-330页

作者：刘芷汐周春桂崔俊杰段捷岳凯杰中北大学机电工程学院太原030051

红外技术在防备夜间作战和隐蔽作战中发挥的作用是至关重要的,针对如何平衡红外图像检测精度与轻量化的问题,提出一种基于红外场景下的轻量化目标检测模型M-YOLOv5。该网络模型采用改进的ShuffleBlock模块替换原有的CSP骨干网络。此外,... 详细信息

红外技术在防备夜间作战和隐蔽作战中发挥的作用是至关重要的,针对如何平衡红外图像检测精度与轻量化的问题,提出一种基于红外场景下的轻量化目标检测模型M-YOLOv5。该网络模型采用改进的ShuffleBlock模块替换原有的CSP骨干网络。此外,应用轻量级上采样算子CARAFE替换原有上采样模块,在C3模块中加入SE注意力机制,降低冗余信息,提高特征的区分性和表征能力,重新设计损失函数,E-IoU作为新的损失函数,加快模型收敛速度。在公开数据集FLIR上进行了实验,实验结果表明:改进之后网络模型的平均检测精度达到73.0%,仅降低2.9个百分点,而M-YOLOv5模型的网络参数数量、理论计算量分别减少40%、39%,模型的推理速度提高52%,满足部署于边缘设备的需求。

关键词：红外目标检测轻量化模型 YOLOv5s CARAFE 注意力机制损失函数

来源：评论

学校读者我要写书评

暂无评论

基于布尔运算的轻量化模型建立技术研究

引用

机械设计与制造 2011年第1期 124-126页

作者：陈善军张振明田锡天耿俊浩田富君西北工业大学现代设计与集成制造技术教育部重点实验室西安710072

为了解决基于三维模型的机加工艺设计中工序模型的建立问题,提出了基于布尔运算的轻量化模型建立方法。通过对轻量化模型格式的分析,建立了轻量化模型的数据结构,在此基础上对轻量化模型的建立方法进行了深入地研究,给出了模型建立的实... 详细信息

为了解决基于三维模型的机加工艺设计中工序模型的建立问题,提出了基于布尔运算的轻量化模型建立方法。通过对轻量化模型格式的分析,建立了轻量化模型的数据结构,在此基础上对轻量化模型的建立方法进行了深入地研究,给出了模型建立的实现过程并对其中涉及的相交测试及交点计算、点及面的重组算法进行了详细的讨论。最后,通过建模实例对该算法进行了验证。

关键词：轻量化模型几何建模布尔运算

来源：评论

学校读者我要写书评

暂无评论

基于轻量化模型的三维装配工艺文件生成技术

引用

制造业自动化 2013年第10期35卷 46-50页

作者：田富君张红旗张祥祥陈兴玉中国电子科技集团公司第三十八研究所合肥230088

为了实现三维装配工艺设计与仿真信息的现场发布,提出了一种三维轻量化装配工艺文件生成方法。在分析装配工艺信息模型的基础上,建立了装配工艺信息发布模型。分析了轻量化模型数据结构以及轻量化模型的嵌入过程,研究了装配过程仿真和... 详细信息

为了实现三维装配工艺设计与仿真信息的现场发布,提出了一种三维轻量化装配工艺文件生成方法。在分析装配工艺信息模型的基础上,建立了装配工艺信息发布模型。分析了轻量化模型数据结构以及轻量化模型的嵌入过程,研究了装配过程仿真和轻量化三维装配仿真动画的原理,提出了装配过程仿真到轻量化三维装配仿真动画的映射方法。研究了代码驱动的装配动画仿真,实现了装配工步和仿真动画信息的关联。开发了一个三维装配工艺文件生成工具,并以某典型装配工艺为例,验证了方法的有效性。

关键词：三维装配工艺文件轻量化模型装配仿真装配动画

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的轻量化模型研究

基于深度学习的轻量化模型研究

引用

作者：胡超汕头大学

学位级别：硕士

近十年来，图像分类和目标检测的研究取得了重大进展。深度卷积神经网络以其强大的学习能力和抗过拟合能力，在图像分类、目标检测、场景标记等许多视觉识别任务中都表现出了优异的性能。对于特殊场景下的视频图像识别，且保持较高的识... 详细信息

近十年来，图像分类和目标检测的研究取得了重大进展。深度卷积神经网络以其强大的学习能力和抗过拟合能力，在图像分类、目标检测、场景标记等许多视觉识别任务中都表现出了优异的性能。对于特殊场景下的视频图像识别，且保持较高的识别速度和较低的内存占用，对图片进行分类识别模型的轻量化设计就显得格外重要，且目前轻量化模型存在现场表现不足等问题。　　本文主要针对深度学习中的神经网络轻量化对图像分类的研究，以应对图像识别在视频中的应用。随着智能终端的普及，为使在移动端高效运行且保持较高的识别速度和较低的内存占用，对图片进行分类识别模型的轻量化设计就显得格外重要。轻量化网络设计难度更大，应用更广，要求更高，需要对于图像的识别速度要求较高，那么对于模型的要求更加苛刻。为达成实时的要求，对于深度学习神经网络的网络结构，以及后续模型轻量化相关操作要求较高。本文在设计图像分类网络时，在受到前端硬件的计算资源的影响下，尽量权衡精度和速度问题，应用Tiny-DSC做轻量化图像分类工作。Tiny-DSC网络有两个创新点，在识别网络中添加Stemblock和depthwisedenseblock(DDB)结构并且配合轻量化设计，使得模型具备一定的分类能力。基于Tiny-DSC网络，通过在Cifar10数据集对Tiny-DSC和shuffleNet、mobileNet等模型进行对比，结果表明在实验所显示的指标中(占用显存、速度、模型大小)表现较为优异，占用显存为193MB，速度达到85PFS，模型大小3.4MB。随后，将该模型在真实场景下车辆品牌识别数据集上进行应用，其占用显存为197MB，占用显存较少，测试速度达到85PFS足以满足实时识别需求，测试准确率在98%左右，进一步说明了该模型的可靠性和实用性。最后，针对模型的轻量化设计，进一步分析了Tiny-DSC设计所运用的到的方法及理念。

关键词：深度学习图像分类卷积神经网络轻量化模型

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：