检索结果-内蒙古大学图书馆

兵工学报 2021年第12期42卷 2664-2674页

作者：马月红孔梦瑶石家庄铁道大学电气与电子工程学院河北石家庄050043

基于深度学习的目标检测算法已成为合成孔径雷达(SAR)图像目标检测任务的主流。深层网络通常具有大量参数,运行速度不能满足实时要求,难以在资源受限的设备(如移动端)上部署。考虑到对模型实时性和可移植性的要求,对双阶段目标检测算法... 详细信息

基于深度学习的目标检测算法已成为合成孔径雷达(SAR)图像目标检测任务的主流。深层网络通常具有大量参数,运行速度不能满足实时要求,难以在资源受限的设备(如移动端)上部署。考虑到对模型实时性和可移植性的要求,对双阶段目标检测算法快速区域卷积神经网络进行轻量化改进,比较不同改进方法对算法速度与精度的影响。结合SAR图像的特点,优化轻量化模型,与单阶段目标检测算法的单脉冲多盒检测网络对比。仿真实验结果表明,改进轻量化模型在保持原有精度水平下,模型占用内存和算法运算量大大减少,可有效满足SAR图像目标检测的实时性要求。

关键词：目标检测快速卷积神经网络合成孔径雷达轻量化算法实时性

来源：评论

学校读者我要写书评

暂无评论

基于多维特征和轻量化算法的串联电弧故障检测

基于多维特征和轻量化算法的串联电弧故障检测

引用

作者：李威南京航空航天大学

学位级别：硕士

电弧故障已成为电气火灾的主要诱因之一,串联电弧因为其隐蔽性无法被普通保护电器检测。不同拓扑的电力电子负载加入使得负载电流波形呈现多样化,增大了串联电弧故障检测和实用化的难度。本文针对低压交流串联电弧故障检测场景,开展了... 详细信息

电弧故障已成为电气火灾的主要诱因之一,串联电弧因为其隐蔽性无法被普通保护电器检测。不同拓扑的电力电子负载加入使得负载电流波形呈现多样化,增大了串联电弧故障检测和实用化的难度。本文针对低压交流串联电弧故障检测场景,开展了原理建模、故障特征分析、算法设计和基于硬件平台的筛选实现等研究。本文首先开展了负载的模块化建模,分析了部分常见用电负载的电气工作原理,将负载中的电力电子设备与配套的功能组件分解,归类等效为6种典型负载模块及其组合,并在此基础上建立了6种典型负载的电路模型。实测提取了电弧在高频下的电感和线路断口处的分布电容,为模拟线路电流过零点附近的电弧重燃现象,提出了基于电压阈值控制的时变随机开关模型,提升了传统Mayr模型对电弧随机性的表征能力。通过改进型电弧模型与负载模型串联仿真,分析了串联电弧与负载拓扑之间的交互作用,初步阐释了故障电流波形的本质特征,为串联电弧故障检测的特征参数的选取提供了支撑。然后基于实测串联电弧数据完成了时域、频域和能量维度的特征提取。考察了8种基于统计参量构造的时域参数计算结果,选取零区占比(K=0.2)、零区占比(K=0.3)、峰态系数、脉冲因子和峰值因子作为时域特征。分析了基于偶次谐波分量构造的16种频域参数,提取4次谐波与基波的幅值之比、10次以内的偶次谐波幅值之和与基波之比这2种参数作为频域特征。基于电流波形的频谱构造了4种熵参数,优选0～1.5k Hz内谐波信息熵作为能量特征描述电弧故障。进一步地,选取理论准确率98%、隐层神经元数目为2的前馈神经网络作为检测算法,与上述特征构成10种备选故障检测方案。最后搭建了硬件检测平台,实测形成最佳检测方案。选取计算速度快、内存大的STM32F767作为核心处理单元,围绕该芯片构建了串联电弧故障检测硬件平台,实现了单个负载的串联电弧故障检测,检测算法运行时间不超过15ms。进一步地,通过试验确定了检测时间窗长度为5个工频周期,以峰态系数、10次内偶次谐波幅值和与基波之比、0～1.5k Hz以内谐波信息熵等3个参数作为故障特征,运用隐藏层数目为2的单层前馈神经网络构成检测算法的检测方案为最优选择。整套检测方案实际运行时间为0.116s,证实此方案能在GB/T-31143规定时间内(0.12s)完成串联电弧故障的判断。

关键词：串联电弧故障负载建模电弧模型轻量化算法嵌入式平台

来源：评论

学校读者我要写书评

暂无评论

面向嵌入式的深度学习模型轻量化算法研究

面向嵌入式的深度学习模型轻量化算法研究

引用

作者：方俞泽广东工业大学

学位级别：硕士

目前，深度学习模型轻量化是计算机视觉领域比较重要的研究方向，在移动端和嵌入式端的深度学习应用中具有非常重要的意义。现阶段许多工作都在不断探索着如何提高深度学习模型的性能和效率，而现有的深度学习模型大多是对存储空间和运... 详细信息

目前，深度学习模型轻量化是计算机视觉领域比较重要的研究方向，在移动端和嵌入式端的深度学习应用中具有非常重要的意义。现阶段许多工作都在不断探索着如何提高深度学习模型的性能和效率，而现有的深度学习模型大多是对存储空间和运算能力要求较高的复杂网络，参数量和计算量都很大。在许多实际的应用场景，如智能家居、自动驾驶、视频监控、遥感图像检测等，其需要满足模型尺寸小、部署灵活等条件。为此，本文以高分辨率遥感图像作为研究对象，对实例分割网络算法进行轻量化改进，在保证网络性能的同时，降低模型计算复杂度和参数量，使模型能部署在嵌入式设备中，以更好的效率完成目标检测和实例分割任务。本文的主要研究工作如下：　　（1）实例分割网络分为二阶段和单阶段，二阶段的实例分割网络先生成一些候选区域，然后对每个区域进行分类和分割。针对二阶段实例分割网络MaskR-CNN（MaskRegion-basedConvolutionalNeuralNetwork）模型计算复杂度高，参数量大的问题，本文对其进行轻量化改进，具体如下：采取轻量化的特征提取网络来降低模型的计算复杂度和参数量;将深度卷积、注意力机制融入特征金字塔网络并使用超分算法进行上采样来弥补使用轻量化特征提取网络带来的性能下降;对Mask预测分支进行轻量化改进，通过使用MobileNetV3中的bneck模块来堆叠全卷积网络，使得模型在减低计算量的同时保证性能的提升。改进后的网络在性能小幅度下降的同时，计算复杂度和参数量均有大量的减低，并且对小目标的预测效果和掩膜精细程度高于基准网络;此外，在具有轻量化结构的MaskR-CNN的基础上还进行模型蒸馏和剪枝。本文在NWPUVHR-10数据集中进行实验，本章构建的轻量化MaskR-CNN目标检测和实例分割的mAP相比于基准网络降低了0.6%和1.1%，但其GFLOPs降低了41.3%，参数量降低18.4%，并且在轻量化MaskR-CNN的基础上进行蒸馏和剪枝后的模型能在减低GFLOPs和参数量的同时提升了mAP。　　（2）单阶段的实例分割网络直接在整个图像上进行分类和分割，不需要生成候选区域。单阶段实例分割网络的结构设计较二阶段实例分割网络更为简洁。但该类型网络仍然可以进行轻量化改进，本文针对单阶段实例分割网络Yolact（YouOnlyLookAtCoefficienTs）进行轻量化改进，具体如下：将注意力机制融入轻量化特征提取网络CSPDarkNet来使模型减低计算复杂度和参数量的同时，性能不会大幅下降;使用轻量化的特征金字塔网络继续保证性能的同时减低计算复杂度和参数量;融入可变形卷积到PredictionHead分支，使得网络适应不规则的目标形状，从而提高特征提取的效果，增加网络性能;同时在具有轻量化结构的Yolact的基础上进行模型蒸馏来进一步压缩模型。具有轻量化结构的Yolact相比于基准网络Yolact，GFLOPs降低了19.3%，参数量降低23.7%，目标检测的mAP提升了13.9%，而实例分割的mAP下降了9%。而在对轻量化Yolact进行蒸馏后的模型能够进一步降低计算复杂度和参数量，但同时目标检测和实例分割的mAP也有所下降。　　（3）将获得的轻量化模型部署至嵌入式设备树莓派4B中并运行测试;同时设计一个部署至树莓派4B的遥感图像分析系统，使用户能方便地查看嵌入式设备中的遥感图像，以及调用部署在嵌入式设备的模型对遥感图像进行识别。

关键词：遥感图像实例分割计算机视觉深度学习轻量化算法

来源：评论

学校读者我要写书评

暂无评论

视频监控场景中行人检测和跟踪轻量化算法的研究与应用

视频监控场景中行人检测和跟踪轻量化算法的研究与应用

引用

作者：耿星硕燕山大学

学位级别：硕士

随着目标检测、目标跟踪、目标识别等智能分析和决策算法在视频监控场景中的快速应用，视频监控正在向着智能化的方向发展。随着科技的进步，视频监控设备价格越来越平价，监控设备数量也呈几何增长。由于视频监控算法的计算复杂度的增... 详细信息

随着目标检测、目标跟踪、目标识别等智能分析和决策算法在视频监控场景中的快速应用，视频监控正在向着智能化的方向发展。随着科技的进步，视频监控设备价格越来越平价，监控设备数量也呈几何增长。由于视频监控算法的计算复杂度的增加，也导致视频监控对硬件资源的需求的提高。因此研究如何减少视频监控相关算法复杂度和模型大小的同时，能够保证检测和跟踪的性能，成为了深度学习算法领域需要深入研究的问题。本文从视频监控场景下的检测和跟踪算法出发，研究与改进行人检测和跟踪算法的轻量化，来实现精度好、速度快的轻量化检测和跟踪系统，主要完成的工作如下：　　(1)通过实验对比普通卷积、深度可分离卷积和幽灵卷积这三种卷积的参数量和复杂度FLOPs，发现幽灵卷积能够减少参数量，并且具有较好的特征提取能力。为了提高检测模型的检测速度，同时不会对检测模型的检测效果出现较大的负面影响，使用幽灵卷积根据在实际中的应用搭建了CSP-GhostNet检测特征提取网络。并提出一种自通道注意力来弥补检测网络参数减少带来对精度的负面影响，使用通道之间的互相关特性来增强目标特征，提高网络的性能，并通过实验验证本文提出的方法的有效性。　　(2)在视频监控场景中使用多目标跟踪，为了提高跟踪模型的推理速度，使用幽灵卷积搭建了轻量化的GhostReID特征提取网络。为了增加目标之间的特征区分度，提出一种特征融合方式，融合了目标浅层的纹理特征和语义特征。由于行人目标在运动过程中会发生形变和遮挡，使用新旧特征融合的方式在特征更新时，将多个时间帧的特征融合到一起，提高跟踪模型的稳定性。并且经过实验验证本文提出方法的有效性。　　(3)根据改进的检测算法和跟踪算法，完成了视频监控场景下的行人检测和跟踪系统，并使用Gamma校正对输入图像进行预处理。用户可以使用多种加载输入的方式进行输入视频的加载。并使用撞线法统计监控范围内的人流量。

关键词：视频监控深度学习轻量化算法行人检测多目标跟踪

来源：评论

学校读者我要写书评

暂无评论

融合多尺度特征的绝缘子缺陷检测轻量化算法研究

融合多尺度特征的绝缘子缺陷检测轻量化算法研究

引用

作者：郭肖杰太原科技大学

学位级别：硕士

“十四五规划”指出,要加快电网基础设施智能化改造和智能电网建设。输变电场景下定期对电塔绝缘子进行无人机巡检具有重要意义。实际巡检过程中绝缘子经常出现污秽、破损、自爆等尺度不一致缺陷,在对巡检后的绝缘子图像检测研究中仍存... 详细信息

“十四五规划”指出,要加快电网基础设施智能化改造和智能电网建设。输变电场景下定期对电塔绝缘子进行无人机巡检具有重要意义。实际巡检过程中绝缘子经常出现污秽、破损、自爆等尺度不一致缺陷,在对巡检后的绝缘子图像检测研究中仍存在以下两个问题,一是为了提高模型的小目标检测精度,需要融合多尺度特征;二是边缘计算量大为模型部署提出了轻量化需求。针对上述问题,拟先通过数据增强算法对绝缘子数据集进行扩充以得到更多绝缘子样本图像。然后在YOLOv5模型基础上将多个尺度特征图进行不同程度的融合,提高目标检测精度。最后利用PP-LCNet模块的轻量化特点优化YOLOv5的主干网络,减少模型计算量,提高模型推理速度。具体工作内容如下:首先,通过直方图均衡增强、噪声变换及仿射变换等算法,对初始绝缘子图像数据集进行扩充,以满足深度学习模型对于样本数量的需求。其次,为了充分融合多尺度特征,从以下三方面对YOLOv5模型进行优化:(1)针对小目标分辨率较低导致绝缘子缺陷漏检现象,添加了新的多尺度检测头,在现有YOLOv5模型20×20、40×40、80×80三个尺度特征图的基础上增加了160×160的小目标尺度,减少特征图丢失的高级语义信息。(2)特征提取过程中,为了增强有效特征,削弱复杂背景等无用特征,在Neck结构中引入CBAM注意力机制,使网络传达的特征信息进一步准确化。(3)为了增强Neck端的特征处理能力,在原有的两条特征融合路径的基础上,新增两条横向跨尺度连接路径,增强不同网络层之间的信息传递,丰富小目标的特征信息。再次,为了减少计算量,得到轻量化网络模型,分别基于Mobile Net V2、Shuffle Net V2和PP-LCNet模块对YOLOv5模型进行改进。对比发现,得到的P-YOLOv5模型在保证IOU值处于允许损失范围的情况下提高了模型检测速度,取得了性能与速度的最佳平衡。最后,在110kV架空线路干字型输电塔巡检得到绝缘子图像数据集3166张的样本量下,划分训练集1900张,测试集633张进行仿真实验。结果表明,在检测精度方面,所提出的YOLOv5s-PCB模型平均精度均值m AP达到95.4%,提高3.1%,平均召回率Recall为95.2%,提高1.9%。在模型复杂度方面,改进后的轻量化模型参数量Param仅为11.32M,减少58.58%,模型推理速度FPS达到103,提升了58.46%。

关键词：绝缘子目标检测多尺度特征轻量化算法注意力机制

来源：评论

学校读者我要写书评

暂无评论

中缀算术表达式的轻量化求值算法

引用

计算机应用 2013年第11期33卷 3163-3166页

作者：白宇郭显娥山西大同大学数学与计算机科学学院山西大同037009

针对当前中缀算术表达式求值算法笨重或者复杂的问题,提出了一种轻量化的中缀算术表达式求值算法。该算法基于逆向拆分中缀算术表达式的思路,使用递归解析的方法,等价于中缀算术表达式的构造二叉树表示。实验结果表明,该算法与传统逆波... 详细信息

针对当前中缀算术表达式求值算法笨重或者复杂的问题,提出了一种轻量化的中缀算术表达式求值算法。该算法基于逆向拆分中缀算术表达式的思路,使用递归解析的方法,等价于中缀算术表达式的构造二叉树表示。实验结果表明,该算法与传统逆波兰表达式(RPN)转换、求值算法相比,该算法无需做逆波兰表达式转换,无需人工栈辅助,实现代码量仅有其1/6,而效率仅下降6.9%。与W3Eval算法相比,该算法无需符号转置表,支持算符自定义或重定义,实现代码量不到其1/2。该算法实现代价低,适用于Web应用的Browser端,及嵌入式应用等轻量化应用场合。

关键词：轻量化算法中缀算术表达式逆向拆分逆波兰表达式 W3Eval

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8的轻量化藏药材植物检测算法

引用

软件导刊 2025年第1期24卷 86-92页

作者：罗志凌李东刘晓静青海大学计算机技术与应用学院青海西宁810016

由于藏药生长环境恶劣,人工识别藏药材植物非常困难,提出一种基于改进YOLOv8的轻量级检测算法LTP-YOLO检测户外环境中的藏药材植物。首先,利用MobileViT替换YOLOv8特征提取网络来减少算法参数量和计算量。其次,引入内容感知特征重组上... 详细信息

由于藏药生长环境恶劣,人工识别藏药材植物非常困难,提出一种基于改进YOLOv8的轻量级检测算法LTP-YOLO检测户外环境中的藏药材植物。首先,利用MobileViT替换YOLOv8特征提取网络来减少算法参数量和计算量。其次,引入内容感知特征重组上采样算子CARAFE帮助算法在上采样时感知上下文信息。再次,提出多尺度融合注意力机制MFA建立局部跨通道交互提升算法检测精度。实验表明,所提算法将参数量从3.02 MB减少到1.28MB,计算量从8.2 GFLOPs减少到5.8 GFLOPs,在自建的藏药植物图像数据集上mAP@.5相较于YOLOv8更优。证明了该算法可满足移动设备的高精度、低计算部署需求,并在各种密集植物检测任务中显示出广阔的应用前景。

关键词：藏药材植物深度学习目标检测轻量化算法 YOLOv8

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv5的瓶盖封装缺陷轻量化检测算法

引用

激光与光电子学进展 2023年第22期60卷 131-140页

作者：赵磊矫立宽翟冉李彬许美叶天津理工大学天津市先进机电系统设计与智能控制重点实验室天津300384 机电工程国家级实验教学示范中心(天津理工大学) 天津300384 天津理工大学机械工程学院天津300384

为解决白酒瓶盖封装表面质量检测和算法参数庞大难部署的问题,对YOLOv5s进行改进并提出了更轻量化和高精度的SEGC-YOLO算法。首先,采用ShuffleNet V2替换原始骨干网络,有效简化参数,引入高效通道注意力机制增强骨干网络。再使用基于Ghos... 详细信息

为解决白酒瓶盖封装表面质量检测和算法参数庞大难部署的问题,对YOLOv5s进行改进并提出了更轻量化和高精度的SEGC-YOLO算法。首先,采用ShuffleNet V2替换原始骨干网络,有效简化参数,引入高效通道注意力机制增强骨干网络。再使用基于GhostNet改进的GhostConv和C3-Ghost模块增强颈部网络,减少颈部参数量。另外,使用CARAFE算子替代最近邻插值上采样算子,利用自适应内容感知的上采样预测核提升颈部网络的信息表达能力,进而提升检测精度。最后,训练应用Adam梯度优化器来提高检测精度。实验结果表明:所提SEGC-YOLO算法在不同交并比(IoU)阈值下的平均精度均值mAP@0.5为84.1%和mAP@0.5∶0.95为49.0%,分别优于原始YOLOv5s算法1.2个百分点和0.5个百分点,并且浮点运算数(FLOPs)比原始算法减少了69.94%、参数量减少了71.15%和模型文件大小减小了69.66%,更加精准和轻量化。所提SEGC-YOLO可以快速、精准地检测瓶盖表面缺陷,为相关领域快速缺陷检测和设备部署提供了数据和算法支持。

关键词：缺陷检测轻量化算法 YOLOv5 ShuffleNet V2 GhostNet CARAFE算子

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv3的轻量化目标检测算法研究

基于YOLOv3的轻量化目标检测算法研究

引用

作者：李洪泉齐鲁工业大学

学位级别：硕士

近年来,随着大规模数据样本和高性能图像处理器的出现,人工智能技术的快速发展为目标检测提供了新思路。基于深度学习的目标检测以优良的鲁棒性和泛化性逐渐取代基于传统图像处理的目标检测方法。但深度模型计算成本和检测效果难以平衡... 详细信息

近年来,随着大规模数据样本和高性能图像处理器的出现,人工智能技术的快速发展为目标检测提供了新思路。基于深度学习的目标检测以优良的鲁棒性和泛化性逐渐取代基于传统图像处理的目标检测方法。但深度模型计算成本和检测效果难以平衡的问题阻碍了目标检测的进一步发展。以YOLOv3为例,YOLOv3因良好的检测效果在工业中广泛应用,但其计算量大、模型体积大、占用较多的物理内存,在一些低性能或廉价设备中难以部署应用。本文为平衡YOLOv3检测效果和计算成本,以安全帽为实验数据,针对其网络结构进行改进,提出一种轻量化目标检测算法ML-YOLOv3(Mini and Lightweight YOLOv3)。具体研究内容如下:YOLOv3的残差网络结构可有效提取特征,但大量常规卷积的堆叠造成一定程度的计算资源浪费,这也是导致网络结构复杂的主要原因之一。为优化残差网络结构,本文融合跨阶段局部网络和GhostNet,设计了一种高效的残差网络CSPGhost-ResNet。此外,本文摒弃了YOLOv3中“1,2,8,8,4”的残差块组合,在CSP-Ghost-ResNet中采用“1,2,2,2,2”的堆叠模式,以保证模型足够轻量。基于VoVNet网络,本文以每个残差提取模块为单位,设计了一种多路径传播的特征提取网络ML-Darknet,ML-Darknet在梯度传播路径中采用梯度分流的模式,使每个路径仅包含部分梯度信息,在保证通道参数差异化的同时,进一步减少模型计算成本,提高检测帧率。在骨干网络中,特征图通道数会随着网络的加深逐渐增加,导致多尺度融合网络占据了较高的计算成本。本文融合CSP-Ghost-ResNet和路径聚合网络,重新设计了YOLOv3的多尺度网络,提出一种自上而下和自下而上的双通道融合网络PAN-CGR。因CSP-Ghost-ResNet具有的轻量化特征,网络计算成本得进一步降低。实验证明,ML-YOLOv3以低于YOLOv5m的计算成本,达到了优于YOLOv5l的检测效果和检测速度。以少量的精度损失为代价,相比YOLOv3在模型推理时间上减少了43.6%,在检测速度上提高了69.1%。ML-YOLOv3在保持高效检测效果的同时,相比主流算法具有明显的轻量化优势。

关键词：安全帽检测 YOLOv3 轻量化算法 CSPNet GhostNet

来源：评论

学校读者我要写书评

暂无评论

基于轻量化随机森林算法的物联网流量分类

引用

计算机工程与设计 2024年第12期45卷 3553-3559页

作者：余伟良高见王润田中国人民公安大学信息网络安全学院北京100038 公安部安全防范与风险评估重点实验室北京102623

为解决物联网设备资源受限、平衡流量检测精度与时间开销等问题,提出一种FastSplit-RF(random forest with fast split)的轻量化分类算法。针对物联网流量设计一个通用的特征提取流程,在随机森林算法基础上,使用多臂赌博机策略代替节点... 详细信息

为解决物联网设备资源受限、平衡流量检测精度与时间开销等问题,提出一种FastSplit-RF(random forest with fast split)的轻量化分类算法。针对物联网流量设计一个通用的特征提取流程,在随机森林算法基础上,使用多臂赌博机策略代替节点分裂的遍历过程,实现对节点的快速分割,完成高效、轻量化的物联网流量分类。实验验证,FastSplit-RF相较随机森林算法,在准确率提升了2.45%的同时,检测速度增快了62.16%,内存占用减小了48.68%。

关键词：恶意流量物联网安全随机森林轻量化算法流量分类多分类入侵检测

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：