检索结果-内蒙古大学图书馆

控制与决策 2025年第1期40卷 128-136页

作者：崔翰林褚晓晖徐立军祁兵兵胡润泽北京理工大学信息与电子学院北京100081

基于深度学习的水下声学目标识别算法在水下平台部署时,通常面临计算资源短缺和水下声学环境复杂多变的挑战,提出一种结合二值化神经网络与知识蒸馏的轻量型水声目标识别算法(DSBNN_KD),旨在通过深度可分离卷积和权重参数二值化等手段... 详细信息

基于深度学习的水下声学目标识别算法在水下平台部署时,通常面临计算资源短缺和水下声学环境复杂多变的挑战,提出一种结合二值化神经网络与知识蒸馏的轻量型水声目标识别算法(DSBNN_KD),旨在通过深度可分离卷积和权重参数二值化等手段实现模型的压缩和优化加速.同时,利用知识蒸馏技术将高性能高复杂度的教师模型的知识转移到轻量级学生模型上,从而缓解极端量化带来的性能损失,并确保模型的泛化性能.对DSBNN_KD的表现在两个实测水声数据集上进行全面评估,实验结果表明,相比当前主流的全精度轻量化模型,所提出DSBNN_KD在模型参数量、模型部署尺寸和计算量等方面均展现出显著的优势,同时在知识蒸馏技术的辅助下,量化后的模型依然可以保持与全精度模型接近的性能.

关键词：水声目标识别知识蒸馏二值神经网络轻量型模型深度学习

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv5的改进轻量型X射线铝合金焊缝缺陷检测算法

引用

中国激光 2022年第21期49卷 130-138页

作者：程松杨洪刚徐学谦李敏陈云霞上海电机学院机械学院上海201306 上海电力大学上海201306

基于计算机视觉的图像识别和处理技术迅速发展,因此,X射线焊缝图像智能化评片已成为无损X射线检测的研究热点之一。快速准确识别焊缝内部小目标缺陷是智能评片的一个难点,鉴于此,本文提出了一种基于YOLOv5-Tiny的轻量型焊缝缺陷识别方... 详细信息

基于计算机视觉的图像识别和处理技术迅速发展,因此,X射线焊缝图像智能化评片已成为无损X射线检测的研究热点之一。快速准确识别焊缝内部小目标缺陷是智能评片的一个难点,鉴于此,本文提出了一种基于YOLOv5-Tiny的轻量型焊缝缺陷识别方法。首先,在Backbone部分加入注意力机制SELayer,使模型实现持续的性能提升;然后,用GhostBottleneck模块替换Head层中的C3模块,保留边缘信息;最后,去除用于检测大物体的13×13特征层,并将多数普通卷积替换成深度可分离卷积,加快模型的训练与预测。模型分别采用DIoU与CIoU两种损失函数进行训练。实验结果表明:与YOLOv5s模型相比,YOLOv5-Tiny模型的参数量减少了33.6%,处理速度提升了17.5%,预测权重减小了32.8%,更好地实现嵌入式使用,模型的平均精度均值得到提升。

关键词：测量无损检测 YOLOv5 缺陷识别轻量型模型

来源：评论

学校读者我要写书评

暂无评论

基于轻量型Transformer的目标检测系统研究

基于轻量型Transformer的目标检测系统研究

引用

作者：刘欢大连海事大学

学位级别：硕士

随着人工智能技术的飞速发展,目标检测作为计算机视觉领域的核心任务之一,其研究和应用价值日益凸显,基于Transformer的目标检测模型以其高效的自注意力机制已在该领域取得显著进展。本文聚焦于基于Transformer的目标检测系统的研究,旨... 详细信息

随着人工智能技术的飞速发展,目标检测作为计算机视觉领域的核心任务之一,其研究和应用价值日益凸显,基于Transformer的目标检测模型以其高效的自注意力机制已在该领域取得显著进展。本文聚焦于基于Transformer的目标检测系统的研究,旨在设计一个完全基于Transformer的轻量型模型,并开发一个实时检测系统将此模型部署到边缘设备上。研究工作分为以下两个部分: (1)针对原始Transformer模型所存在的计算量大、复杂度高的问题,本文探索了基于Transformer的主干网络模型和颈部网络模型的集成方法,提出了一个创新的混合融合注意力机制,有效结合Transformer主干网络和Transformer颈部网络的优势,然后利用此模块将PVT模型改进为一个完全基于Transformer的轻量型目标检测模型HFAT,实现对目标检测任务的高效处理。在COCO数据集上,HFAT在参数量仅有29M的情况下,可以实现36.3的AP值和28.6的FPS,该模型能够使用较少的参数量实现较高的检测性能和推理速度,展现了其在目标检测任务中准确性和速度之间的良好平衡。 (2)针对边缘设备内存、计算能力等局限性所导致的模型部署困难问题,本文首先探讨了模型部署策略,确定ONNX模型集成方法作为最优的部署方案,该方案可以将HFAT的模型大小压缩36%,并且将FPS提高8.8。随后结合硬件经纬仪在边缘设备Jetson TX2开发板上开发一个可以调用Transformer模型进行实时目标检测的系统TransformerGui。该系统具备直观的用户界面和模块化的功能设计,能够实时接收视频流,进行目标检测和跟踪,并支持云台控制和视频录制等功能。此外,系统允许动态更换模型和增加新模块,提高了系统的灵活性和可扩展性。综上所述,本论文的研究工作不仅在理论上对基于Transformer的目标检测技术进行了深入探讨,而且在实践中成功实现了轻量化模型的设计、评估和部署,为目标检测技术的发展和应用提供了新的想法和实用方案。

关键词：目标检测 Transformer 轻量型模型模型部署实时检测系统

来源：评论

学校读者我要写书评

暂无评论

低分辨率下基于轻量型网络的人体姿态估计

低分辨率下基于轻量型网络的人体姿态估计

引用

作者：陈怡中国矿业大学

学位级别：硕士

人体姿态估计是计算机视觉领域的一个重要研究方向,在人机交互、行为分析、智能监控等领域得到广泛的应用。现有的人体姿态估计算法虽然通过复杂的网络结构能获得较高的准确率,但这些算法的参数量和运算复杂度较高,同时对于实际应用中... 详细信息

人体姿态估计是计算机视觉领域的一个重要研究方向,在人机交互、行为分析、智能监控等领域得到广泛的应用。现有的人体姿态估计算法虽然通过复杂的网络结构能获得较高的准确率,但这些算法的参数量和运算复杂度较高,同时对于实际应用中普遍存在的低分辨率图像表现不佳,因此难以被广泛应用于人们的日常生活。本文利用网络轻量化与超分重建相关技术,针对上述问题进行深入研究,主要工作如下:(1)提出一种轻量型的人体姿态估计网络。本文分别设计两个轻量型模块SG-neck(S-Ghost Bottleneck)和SD-block(Sandglass Dual Channel Attention Basicblock),以代替标准的卷积操作,在降低模型的参数量和运算复杂度的同时,保证模型的准确率。在SG-neck模块中,将通道混洗与Ghost模块相结合以增强通道间的交互,构建出S-Ghost模块来代替1×1标准卷积,并增加通道数来提取丰富的特征信息;在SD-block模块中,利用Sandglass模块代替3×3标准卷积并嵌入DCA(Dual Channel Attention)模块,以关注目标特征从而增强模型的表达能力。在MPII和COCO数据集上的实验结果表明,与多种不同类型的人体姿态估计算法相比,本文所提出的网络在准确率和模型复杂度之间取得更好的平衡。(2)提出一种针对低分辨图像的人体姿态估计网络。首先,将超分网络(LapSRN)作为人体姿态估计网络的预处理模块,并使LapSRN的逐步重建特征融入人体姿态估计网络中,从而捕获更多的人体细节信息;其次,利用β-Soft-Argmax函数对高斯热图进行转换,以缓解关键点编解码方式引起的量化误差问题;最后,通过复合损失函数对LapSRN网络进行联合训练,使其重建出有利于人体姿态估计的图像。在COCO数据集上的实验结果表明,相较于其他人体姿态估计算法,本文所提出的网络在低分辨率图像下能够有效提高人体姿态估计的准确率。(3)设计一个低分辨率场景下的人体姿态估计系统,能够实现对低分辨率图像的上传、姿态估计和保存功能。该系统结合本文第四章提出的模型,使用户可以直观、便捷地实现在低分辨率场景下对人体姿态的预测,具有较好的实际应用价值。

关键词：人体姿态估计轻量型模型低分辨率关键点检测超分辨率重建注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的实时光学镜片缺陷检测系统的研究

基于深度学习的实时光学镜片缺陷检测系统的研究

引用

作者：李晋鹏山西大学

学位级别：硕士

光学镜片在电子工业、光学仪器等方面有重要的作用。光学镜片的质量影响其光学性能和成像效果,在工业领域对光学镜片的质量要求越来越高。光学镜片制作工业复杂,在生产过程中容易产生划痕、麻点、毛絮、气泡等缺陷。因此出厂前需要对光... 详细信息

光学镜片在电子工业、光学仪器等方面有重要的作用。光学镜片的质量影响其光学性能和成像效果,在工业领域对光学镜片的质量要求越来越高。光学镜片制作工业复杂,在生产过程中容易产生划痕、麻点、毛絮、气泡等缺陷。因此出厂前需要对光学镜片进行质量检测。国内企业目前主要采用人工检测的方法进行质量检测,人工检测效率较低,检测准确度低,对于工人的眼睛伤害也很大。一些学者则通过图像处理方法,将缺陷的形态学特征提取出来,然后根据缺陷的形态特征,使用一些机器学习方法将缺陷检测出来。这种方法虽然准确率很高,但是其检测速度慢,算法可扩展性不强,对于设备的性能要求也高,无法满足企业的要求。针对上述方法的缺点,本文设计了一个基于机器视觉的光学镜片缺陷检测系统,具体的工作如下: (1)针对光学镜片材料透明、在成像过程中容易产生光晕的特性,本文通过对光学镜片缺陷的光学成像原理进行分析,设计了一个基于暗影成像的光学镜片缺陷图像采集系统,获得了高质量的光学镜片缺陷图像,以此为基础建立了光学镜片缺陷数据库,为后续的缺陷检测提供了数据基础。 (2)为了解决传统算法检测速度较慢,无法满足大规模检测任务的问题,本文设计了一个基于YOLO算法的轻量型实时检测模型,设计了SE-Ghost Net网络结构,该结构可以在不降低网络层数的基础上,极大的减少神经网络中的参数与计算量。其次,在特征融合部分,通过使用基于权重的快速融合方法,提高了模型训练的稳定性和准确率。在自制数据集上的训练结果表明,m AP(mean average precision)可以达到98.7%,模型推理速度可以达到200 FPS,模型大小为947 KB,非常适合部署至一些内存很小的嵌入式设备中。 (3)针对目前神经网络模型体积过大,在嵌入式设备中运行困难的问题,研究了神经网络模型部署到嵌入式平台的方法以及加速原理,将本文设计的模型部署至Nvidia Jetson Nano设备,并且使用Tensor RT对模型进行加速。实验表明,经过优化后的模型检测速度可以提升2-3倍。 (4)为了非专业人员可以使用本文设计的轻量型模型,本文通过Python Qt5设计了跨平台图像用户界面,既可以在windows平台使用,也可以部署到微型嵌入式设备,直接调用本文算法可以显示检测结果与缺陷统计结果,为光学镜片制造企业提供了新的方法和思路。

关键词： YOLO 轻量型模型光学镜片缺陷检测实时性

来源：评论

学校读者我要写书评

暂无评论

基于感受野模块的绝缘子实时识别定位方法

引用

电工电气 2020年第9期 19-22,32页

作者：吉志朋张国伟卢秋红上海电力大学自动化工程学院上海200082 上海合时智能科技有限公司上海201100

针对使用无人机进行绝缘子识别实时性的要求,以感受野模块(RFB)网络为基础,提出了一种基于RFB模型改进的轻量型架构。使用MobileNetV3网络作为特征提取主干,设计了新的感受野模块RFB-X,并使用Focal-loss损失函数解决正负样本不平衡问题... 详细信息

针对使用无人机进行绝缘子识别实时性的要求,以感受野模块(RFB)网络为基础,提出了一种基于RFB模型改进的轻量型架构。使用MobileNetV3网络作为特征提取主干,设计了新的感受野模块RFB-X,并使用Focal-loss损失函数解决正负样本不平衡问题。实验结果表明,该模型提高了绝缘子的检测速度和准确率。

关键词：轻量型模型感受野模块无人机绝缘子检测实时性

来源：评论

学校读者我要写书评

暂无评论

基于轻量型卷积神经网络的语音情感识别方法研究

引用

电声技术 2024年第5期48卷 43-45页

作者：黄荣雷广西安全工程职业技术学院广西南宁530100

为提高语音情感识别方法的准确率,研究基于轻量型卷积神经网络的语音情感识别方法。首先分析语音情感识别的理论框架,其次分析时间卷积网络(Temporal Convolutional Network,TCN)的基本结构及具体原理,最后采用数据集进行实验。实验结... 详细信息

为提高语音情感识别方法的准确率,研究基于轻量型卷积神经网络的语音情感识别方法。首先分析语音情感识别的理论框架,其次分析时间卷积网络(Temporal Convolutional Network,TCN)的基本结构及具体原理,最后采用数据集进行实验。实验结果表明,基于TCN的语音情感识别方法在不同实验中具有较好的性能和有效性。

关键词：时间卷积网络(TCN) 情感识别轻量型模型识别框架

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：