检索结果-内蒙古大学图书馆

作者：罗辉电子科技大学

学位级别：硕士

本文在对智能售卖机里面的饮料类商品进行检测,并且提供了基于深度神经网络的视觉解决方案,目的是可以帮助企业以更安全和灵活同时以较低成本地将智能货柜售卖机进行快速的部署及饮料类型快速的更新迭代,同时在对于消费者的线下自助购... 详细信息

本文在对智能售卖机里面的饮料类商品进行检测,并且提供了基于深度神经网络的视觉解决方案,目的是可以帮助企业以更安全和灵活同时以较低成本地将智能货柜售卖机进行快速的部署及饮料类型快速的更新迭代,同时在对于消费者的线下自助购物体验等方面都是极具极其重要的意义的。本文设计的饮料类商品识别主要分为三个部分:数据集采集标注和评估、检出目标、分类识别。具体内容则分为以下三个:(1)为了获得整个货柜视野,本文采用鱼眼镜头采集数据并进行矫正,然后对数据集进行类间和类别的分布评估。(2)对于检测模型的数据集,本文采用了ssd检测算法对作为饮料类商品的检测算法,通过对算法原理和饮料类商品的特性的分析,并且为适应饮料数据集做了相应的改进,训练出来了一个专门适合饮料检出的网络模型,并且获得了理想的检出效果,(3)对于分类模型的数据集,本文参考了残差网络、SENet等网络结构,分析其特点,结合自己数据集的特点,重新设计了卷积层数和卷积核数量,训练出来了一个适合饮料类商品分类识别的网络模型,并且达到了理想的分类效果,并对网络模型的参数计算量进行了优化加速的分析,最后进行了样机系统演示。在对一些目标检测算法和分类算法的研究之上,本文针对饮料类商品的数据集特性:饮料瓶成像尺寸固定,检测目标的变换范围小,图像标注花费时间长,采取了将饮料类商品目标先进行检出然后再分类识别两步走的策略,并且对网络模型进行改进适应饮料类商品的识别。最终的准确率可以达到实际应用需求,前向推理速度也可以满足实时识别的要求。

关键词：图像处理 ssd目标检测算法卷积神经网络饮料类商品识别

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的跌倒行为识别

基于深度学习的跌倒行为识别

引用

作者：马露大连海事大学

学位级别：硕士

跌倒行为识别在医疗监测领域具着广阔的应用前景与巨大的经济价值。近年来,随着计算机图像处理和人工智能技术的不断发展,跌倒行为识别技术也取得了显著进展。基于视觉的跌倒行为识别存在环境干扰、行为复杂性和视角变化等多方面难题。... 详细信息

跌倒行为识别在医疗监测领域具着广阔的应用前景与巨大的经济价值。近年来,随着计算机图像处理和人工智能技术的不断发展,跌倒行为识别技术也取得了显著进展。基于视觉的跌倒行为识别存在环境干扰、行为复杂性和视角变化等多方面难题。本文针对上述跌倒行为识别的难题进行了研究。针对传统方法需要手工提取特征的问题,本文采用基于深度学习的方法识别跌倒行为。通过卷积神经网络自主学习数据特征,从而降低算法的复杂性,提高跌倒行为识别的准确率。针对原始ssd目标检测算法网络层之间信息融合不充分和小目标漏检的情况,本文采用数据增强方法增加初始训练集以避免模型过拟合,将不同网络层特征信息进行融合并构建特征金字塔,通过增加网络模型的上下文信息以提高检测精度。为了满足跌倒检测的实时性要求,本文将网络中存在的冗余参数进行删减,减少计算量以提高检测速度,达到实时检测要求。针对原始ssd目标检测算法易受跌倒相似性行为和背景因素干扰等问题,本文采用了一种基于姿态估计的跌倒行为识别方法,从视频序列中提取人体关节点信息并构建骨架时空图模型,并通过调整图卷积网络模型直至获得最优识别模型。实验结果表明,该算法在检测精度和检测速度上均具有良好的表现性能,在人体行为数据集上具有较好的泛化能力。最后,本文对研究工作进行了总结,并对未来工作进行展望。

关键词：深度学习跌倒识别 ssd目标检测算法姿态估计

来源：评论

学校读者我要写书评

暂无评论

面向人机协同的手势识别算法研究与应用

面向人机协同的手势识别算法研究与应用

引用

作者：刘轶群上海第二工业大学

学位级别：硕士

随着人工智能、大数据与计算机视觉等技术的飞速发展,计算机视觉与人机协同技术在制造业中得到了越来越广泛的应用,企业也对智能制造环境下的人机协同提出了更高的要求。人机协同涉及的相关技术主要是通过人与计算机之间的信息获取、识... 详细信息

随着人工智能、大数据与计算机视觉等技术的飞速发展,计算机视觉与人机协同技术在制造业中得到了越来越广泛的应用,企业也对智能制造环境下的人机协同提出了更高的要求。人机协同涉及的相关技术主要是通过人与计算机之间的信息获取、识别和转换与应用,实现对各类设备进行操作控制,这其中,手势操作由于其具有简单易懂、灵活方便且与常规操作方式类似的特性,逐渐成为了人机协同研究的重点领域之一,得到了越来越广泛的关注。传统依靠图像预处理结合机器学习进行手势识别的方法,由于图像采集过程易受到复杂背景或光照条件的影响,导致其准确率受到影响,鲁棒性不足,同时识别距离也由于各种条件限制不能够满足环保装备企业的要求;而另一些借助数据手套等外部设备的手势识别方法,准确度高,但设备成本较高,且使用不够灵活,往往制约了其在企业中进行应用部署。针对上述不足,本文以卷积神经网络为基础,提出了一种基于改进ssd(Single Shot Multi Box Detector,ssd)目标检测算法和OpenPose模型的手势识别算法,并将其应用到环保装备企业中工业机器人的仿真控制中,实现人机协同应用。本文的主要工作内容如下:首先将ssd的前置特征提取网络VGG-16替换为使用深度可分卷积的Mobilenet网络,实现提高检测速度,简化识别范围,集中到手部区域,通过K-means聚类分析预测框的宽高比,对预测框的宽高比进行优化,并适度扩大预测框范围,使得改进的ssd能够更好的识别手部位置;使用数据增强的方式扩充数据集,利用迁移学习方法减少改进ssd的训练时间;然后设置改进ssd算法作为前置网络来提取手部图像,将手部图像输入OpenPose手部关键点模型,构建手部关键点的信息;依据上述关键信息中关键点的空间位置设计手势分类算法进行手势分类与识别;设计了手势识别的八种常规手势,基于实验验证方法,对上述手势进行比较,与未改进的ssd算法相比,采用改进ssd算法的检测速度和训练时间都大幅度减小;与未改进前的OpenPose对比,实验结果表明该方法能够在复杂背景下,大幅度提高模型的识别距离,且能够有效增强模型的鲁棒性和准确度,而且该算法的使用条件较为灵活,能够满足远距离条件下人机协同的需求。其次通过构建人机协同虚拟仿真环境,并将算法应用到虚拟环境下的工业机器人人机协同操作应用中,对应用场景进行验证。应用系统框架包括数据采集分析系统、人机协同系统、机器人动作系统三个子功能模块。手势识别部分作为数据采集分析系统。选取上文八种手势中效果较好的五种手势设计了手势和工业机器人动作的对应关系,通过Webots实现机器人控制器和工业机器人生产环境的仿真并作为人机协同系统,机器人动作系统控制工业机器人的抓取、移动等操作。最后,在类似环保装备企业生产制造环境的实验室复杂背景环境下远距离操控协同的虚拟环境下的仿真验证,验证结果显示控制系统能准确识别手势动作,准确控制工业机器人进行协同操控,实现了论文预期目标。

关键词： ssd目标检测算法 OpenPose模型手部关键点工业机器人人机协同

来源：评论

学校读者我要写书评

暂无评论

无人机对地多移动目标的视觉识别跟踪技术研究

无人机对地多移动目标的视觉识别跟踪技术研究

引用

作者：罗小兰电子科技大学

学位级别：硕士

目标识别与跟踪技术广泛应用于各个领域,传统固定监控设备的监视范围有限,无法长时间跟踪多目标,随着无人机技术的发展,无人机已然成为一种新型监控设备。对于无人机视角下的目标识别跟踪任务,除存在遮挡等传统难点外,还面临目标尺度小... 详细信息

目标识别与跟踪技术广泛应用于各个领域,传统固定监控设备的监视范围有限,无法长时间跟踪多目标,随着无人机技术的发展,无人机已然成为一种新型监控设备。对于无人机视角下的目标识别跟踪任务,除存在遮挡等传统难点外,还面临目标尺度小、计算资源匮乏等挑战,本文针对以上问题进行了研究,设计了一种适用于无人机平台的多目标行人识别跟踪算法。本论文的主要工作如下:(1)针对无人机视角下目标尺度小及计算资源匮乏的问题,本文以ssd(Single Shot Multi Box Detector)算法为基础进行改进。首先使用Mobile Netv2简化网络结构,并融合特征以改善小目标检测效果;其次,使用K均值聚类算法分析出适合本文场景的默认框尺度;然后,使用焦点损失(Focal Loss)计算分类损失,改进DIo U Loss并引入排斥项,用其计算定位损失;最后采用Soft-NMS初筛候选框。实验数据显示改进的ssd算法精度提升了7.47%,在TX2上速度提升了18帧/s,小目标和受遮挡目标的检测效果显著改善。(2)针对目标重入时ID突变、多无人机对目标身份认知有歧义及现有识别框架中特征提取流程冗余的问题,本文提出了一种特征共享的识别框架和基于改进难样本采样三元组损失函数、数据增强的重识别方法。实验结果表明改进策略为模型性能带来了提升,最终模型在Market1501数据集上的精度达到72.7%,准确率Rank-1达到79.5%,且相比于传统的两阶段目标识别框架,本文所提出框架在速度上提升了26%。(3)为降低误检和漏检对系统的影响,本文以Deep SORT算法为基础设计了一种实时的目标跟踪算法。首先,将滤波器中的运动模型替换为交互多模型,以提高跟踪器对目标运动状态的预测能力;其次,采用识别框架中的共享网络结构进行表观特征提取。实验表明改进跟踪算法的准确率MOTA提高了2.8%,精度MOTP提高了0.7%,速度加快了37%,在Nividia Jetson TX2上能够达到26帧/s的实时速度。本文所提出的目标识别跟踪方法能够在无人机平台上实时运行,并能实现对目标身份的准确识别和持续稳定跟踪,本文研究成果为无人机自主化和智能化的实现提供了更多思路,具有较高的实用价值。

关键词：无人机目标识别 ssd目标检测算法特征共享目标跟踪

来源：评论

学校读者我要写书评

暂无评论

基于双目视觉的无人喷雾机行人识别与避障路径规划研究

基于双目视觉的无人喷雾机行人识别与避障路径规划研究

引用

作者：张礼帅江苏大学

学位级别：硕士

果园经济作物的种植面积较大,传统的采用人工对果园喷雾施药的方式存在着效率低、劳动强度高、易中毒等问题,为了提高果园喷雾作业效率,减少劳动力成本,减少药液对劳动人员的危害,喷雾机向无人化作业方向发展。为了保证喷雾机无人化作... 详细信息

果园经济作物的种植面积较大,传统的采用人工对果园喷雾施药的方式存在着效率低、劳动强度高、易中毒等问题,为了提高果园喷雾作业效率,减少劳动力成本,减少药液对劳动人员的危害,喷雾机向无人化作业方向发展。为了保证喷雾机无人化作业的安全性,必须要有可靠的障碍物检测与避障功能,本课题为实现无人喷雾机在果园中的自主施药作业,对果园中存在的行人这一类障碍物的检测和避障路径规划进行研究以保证无人喷雾机在喷雾作业任务中不会造成人身安全事故。主要研究内容如下:（1）设计了无人喷雾机的控制系统。该系统主要包括数据采集及处理系统、运动控制系统两部分。数据采集及处理系统采用双目视觉传感器获取工作场景的图像信息,由嵌入式AI计算机对数据进行处理得到障碍物的空间位置信息并完成避障路径规划任务。运动控制系统通过主控处理器接收上位机的控制信息并实时获取底层硬件传感器的信息形成控制指令发送给底层的驱动器控制喷雾机的行驶。（2）提出了改进的基于深度学习的ssd（Single Shot multibox Detector,单次多重检测器）目标检测算法并结合双目视觉系统完成对行人障碍物的空间位置检测。采用轻量化网络MobileNetV2作为ssd目标检测算法的基础层网络,以减少提取图像特征过程中所花费的时间和运算量,辅助层网络以改进的反向残差结构作为基础结构进行位置预测,在综合多尺度的同时避免了下采样操作带来的信息损失,实验结果显示改进ssd目标检测算法的平均准确率和召回率分别达到了97.46%和91.65%,高于原模型的96.87%和88.51%,检测速度达到62.50帧/s,对行人障碍物的定位精度在Z方向距离平均相对误差为1.64%,X方向距离平均相对误差为1.83%。该方法可以较好地实现果园环境下行人障碍物的检测,为无人喷雾机的避障决策提供依据。（3）研究了果园环境下无人喷雾机的避障路径规划。首先由已知的果园环境先验信息建立果园环境模型并在此基础上完成无人喷雾机对果树行间隔全覆盖的工作路径规划。接下来针对传统人工势场法存在的缺陷进行改进并使用改进的人工势场法对全局路径规划中没有考虑到的行人障碍物进行避障路径规划,在MATLAB中进行仿真试验及在室外环境下实验以验证算法的有效性。试验结果表明:改进的人工势场法能够有效地完成避障路径规划任务且满足实时性要求。

关键词：无人喷雾机深度学习 ssd目标检测算法双目视觉行人障碍物检测人工势场法

来源：评论

学校读者我要写书评

暂无评论

基于多传感器融合的割草机前方障碍物感知技术研究

基于多传感器融合的割草机前方障碍物感知技术研究

引用

作者：马理想河南科技大学

学位级别：硕士

随着人们对居住环境要求的提高,绿化场所不断增加,而草坪作为绿化场所的重要组成部分,其面积占有率越来越大,为了减轻环保工人的工作强度,智能割草机的出现可以较好的解决这个问题。实现智能割草机的自主作业离不开障碍物检测,为了提高... 详细信息

随着人们对居住环境要求的提高,绿化场所不断增加,而草坪作为绿化场所的重要组成部分,其面积占有率越来越大,为了减轻环保工人的工作强度,智能割草机的出现可以较好的解决这个问题。实现智能割草机的自主作业离不开障碍物检测,为了提高智能割草机的环境感知能力,提出了一种基于相机和低成本的固态激光雷达融合的障碍物检测方法。首先对固态激光雷达采集到的点云信息进行预处理,并利用RANSAC算法将地面点云进行分割,其次基于改进的DBSCAN聚类算法,得到一种可自适应确定最优聚类参数的KANN-DBSCAN算法,利用该算法对投影到二维栅格地图点云聚类分析,得到障碍物点云并提取距离信息。经实验验证该算法相较于改进前的DBSCAN算法,在聚类准确度上提升了12%。然后利用相机对割草机工作中会遇到的两类静态障碍物进行检测与识别,基于Tensorflow深度学习框架,并利用Python语言实现ssd目标检测算法网络模型的搭建以及训练,并对训练好的模型在测试集上进行验证,得到平均检测精度m AP为87%,同时在光线条件良好和不足两种情况下对目标检测效果进行测试。最后融合相机和固态激光雷达各自检测结果,并基于相机和固态激光雷达在空间和时间上的联合标定结果,实现障碍物点云到图像上的投影,最终融合得到障碍物的类别、边界框、置信度、距离等信息。同时为了避免因光线不足或远距离雷达点云稀疏聚类困难导致感知结果出现偏差,提出一种优势互补的决策层信息融合策略。实验结果表明所提信息融合策略在融合两传感器检测结果的基础上,有效避免了单一传感器检测性能受限时,环境感知出现的漏检和误检,经过信息融合后的障碍物综合检出率约为87.5%,相较于单一传感器具有较大的提高,使环境感知结果更加全面可靠,对于实现割草机全天候工作具有一定意义。

关键词：割草机固态激光雷达 KANN-DBSCAN算法 ssd目标检测算法决策层融合

来源：评论

学校读者我要写书评

暂无评论

基于ssd算法的储罐液位计量装置设计与研究

基于SSD算法的储罐液位计量装置设计与研究

引用

作者：陈嘉翔东北石油大学

学位级别：硕士

储罐液位计量装置在油品计量过程中扮演着不可代替的角色。常用的液位计大多需要人工读数且精度不高,智能化程度不足。传统计量方式以人工计量为主,测量易受外界干扰,数据准确度较低,人工成本较高,不能满足生产要求。因此,研发一款满足... 详细信息

储罐液位计量装置在油品计量过程中扮演着不可代替的角色。常用的液位计大多需要人工读数且精度不高,智能化程度不足。传统计量方式以人工计量为主,测量易受外界干扰,数据准确度较低,人工成本较高,不能满足生产要求。因此,研发一款满足数字化计量要求,并且精度高、操作简便、能够适应各种外界条件的液位计量装置显的尤为重要。本文研究的液位计量装置主要包括硬件和软件两部分。基于树莓派设备的硬件设计,首先进行液位计量装置的硬件选型,其次实现硬件的电路设计,完成电路程序的编制以及数据存储和传输功能的搭配,最后通过UG进行硬件整体结构模拟图的制作。基于ssd算法的软件设计,首先通过图像采集、预处理、样本标注以及格式转换等方式进行了数据集构建;其次对传统ssd模型进行改进,完成模型训练;最后通过数字的聚类分组、边界情况的分析以及容错性的处理实现刻度的稳定,采用像素比例尺公式及修正公式计算结果,实现数据智能读取。改进后ssd模型与其他模型的对比试验表明,改进后ssd模型识别准确率P、召回率R、平均准确率AP较传统ssd模型分别提高了1.57%、2.08%和4.49%,模型的识别速度提升了2.16倍;与Faster R-CNN模型和HOG+SVM模型相比,准确率P分别提升6.0%和17.12%,识别速度分别提升8.19倍和13.88倍;同时改进后ssd模型避免了漏检等问题。液位计量装置实验表明,传感器探测反应迅速,界面自动定位准确;相比于人工标识检尺和霍尼韦尔液位计,液位计量装置对不同油品的计量精度更高且更加智能,计量精度达到了0.001mm,能够精准测量液位变化;计量时间更短,在0.3s左右,能完全体现细小的数据变化。液位计量装置具有精度高、智能化程度高、成本低、适用范围广、使用寿命长等优势,对接触式液位计的数字化发展具有一定的指导意义。

关键词：储罐液位计量 ssd目标检测算法树莓派精度智能化

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和单目视觉测距的机器人跟踪方法研究与实现

基于深度学习和单目视觉测距的机器人跟踪方法研究与实现

引用

作者：陈逸扬扬州大学

学位级别：硕士

人类可以通过视觉来判断外部环境事物的类别并粗略感知自身与物体之间的距离,从而达到跟随或者避让的目的。对于机器人而言,传统的磁线、磁钉、二维码和激光等AGV导航的方法,因其高昂的硬件成本以及较低的智能性,已经不能满足人们在生... 详细信息

人类可以通过视觉来判断外部环境事物的类别并粗略感知自身与物体之间的距离,从而达到跟随或者避让的目的。对于机器人而言,传统的磁线、磁钉、二维码和激光等AGV导航的方法,因其高昂的硬件成本以及较低的智能性,已经不能满足人们在生活生产中的部分需求。视觉系统近年来己被广泛应用于机器人的自主定位导航,其中单目视觉因其算法成熟度较高、成本较低以及实时性强等优点在短距离导航方面具有较强的实用性。本文提出一种基于深度学习和单目视觉测距相结合实现机器人跟踪的方法。通过标定过程获取单目摄像头的内外参数。利用深度学习中的ssd算法对于目标进行识别并获取目标框体的像素高度。再根据单目测距算法中的相似几何原理计算出摄像机与目标物体之间的距离。最后通过对机器人底座发送Twist消息完成机器人自主追踪,这是贯穿本文的主要思路。主要工作如下:（1）在单目测距的过程中,为了利用几何相似原理来求得相似距离,就必须获得相机本身的内外参数。精准地获取相机的焦距也成了实验中的重要一步。因此本文采用张氏标定法对相机进行标定,提高标定精度,为后续工作做好准备。（2）在机器人跟踪过程中,首先要识别获取本文需要跟踪的目标。文中采用基于深度学习的ssd目标检测算法进行目标识别。与传统的目标检测算法相比,该算法极大地提高了准确度和速度。这种算法对于尺度变化具有较高的鲁棒性。它利用多层不同尺寸和感受野的卷积特征来进行目标的识别。（3）通过ssd算法检测识别目标后,计算出该目标在图像中的像素高度,结合线性单目视觉测距模型和几何相似学,可以按照比例确定物体与成像物体之间的关系。这种模型实现测距更方便简单,只要获取必要的参数就可以快速测得距离,但是它只可以获取相对距离,不能获得测得各点的坐标值,存在一定误差。（4）在获取机器人与目标物体之间距离之后,为实现机器人的自主移动,本文在所测得距离值中添加临界值,当实测距离大于这个值时,通过movebase把控制命令Twist发布到cmdvel主题上,给左右轮在目标方向一个正速度。同理,当实测距离小于临界值时,给左右轮一个负速度。通过这种发布Twist命令的方式可以使得机器人控制过程变得非常迅速简便。

关键词：单目视觉测距深度学习 ssd目标检测算法几何相似学 Twist消息

来源：评论

学校读者我要写书评

暂无评论

基于FPGA的ssd神经网络加速

基于FPGA的SSD神经网络加速

引用

作者：李旭超西安电子科技大学

学位级别：硕士

随着深度学习的快速发展,基于卷积神经网络的目标检测算法在目标检测领域取得突破性进展,并成为近些年最热门的研究方向之一,被广泛应用于自动驾驶、视频监控、医学影像、雷达探测等领域。经典的基于卷积神经网络的目标检测算法有ssd、Y... 详细信息

随着深度学习的快速发展,基于卷积神经网络的目标检测算法在目标检测领域取得突破性进展,并成为近些年最热门的研究方向之一,被广泛应用于自动驾驶、视频监控、医学影像、雷达探测等领域。经典的基于卷积神经网络的目标检测算法有ssd、YOLOv3等算法,这些算法在带来高性能的目标检测效果的同时,也带来了巨大的参数量和计算量,因此当前主要通过GPU等高算力平台进行实现。但是GPU存在功耗高、体积大等缺点,难以应用于移动端设备中。而现有的移动端设备常采用ARM这类通用处理器,对ssd算法这种计算密集的算法,运行效率低,难以达到实时性的要求。针对这一问题,本文针对ssd算法,提出了一套基于FPGA的算法优化方案,并设计一款基于FPGA的神经网络加速器,最后将优化后的ssd算法使用加速器进行实现。本文的主要工作如下:(1)在不增加额外的参数量和计算量的情况下,为了提高ssd算法的检测精度,本文使用Rep VGG块替换ssd算法主干网络VGG16的部分3×3卷积层,并在部署时通过结构重参数化方法将Rep VGG块的多分支结构融合成一个3×3卷积层。改进后的ssd算法相比原ssd算法,在本文所使用的数据集上m AP提高了0.78%。为了区别原有的ssd算法,本文将改进后的算法重命名为Rep-ssd算法。(2)在工作一的基础上,针对Rep-ssd算法参数量大、计算复杂度高问题,本文使用参数稀疏化训练方法筛选出Rep-ssd算法中冗余的通道,并使用模型裁剪方法对Rep-ssd算法进行裁剪。经过裁剪,模型参数由97.54MB变为35.42MB,推理速度由145fps变为204fps。然后,使用结构重参数化方法对Rep-ssd算法中的Rep VGG块进行融合,融合后模型参数由35.42MB变为19.63MB,推理速度由204fps变为250fps。最后,使用8位宽逐层对称量化方案对Rep-ssd算法进行量化,量化后,模型参数由19.63MB变为5.12MB。(3)在工作二的基础上,为了便于FPGA加速,本文在算法量化时,对相邻卷积层之间的反量化层、Re LU激活层和量化层进行调整,将Re LU激活层调整到量化层之后,将反量化层和量化层融合成一个重新量化层。通过调整,可以降低Rep-ssd算法在量化层和反量化层的计算量,提升计算速度。(4)在工作三的基础上,本文使用软硬件协同设计思想对Rep-ssd算法进行加速,针对Rep-ssd算法中的卷积层和池化层采用加速器进行加速,对算法的检测部分采用CPU进行计算,加速器和CPU之间采用网口通信。(5)本文加速器设计中,对Rep-ssd算法的每个网络层设计一条指令,指令中包含该层的结构信息、数据存储信息和网络层的量化信息,可通过配置不同的指令控制加速器执行算法不同的网络层。此外,指令设计使加速器具有较强的通用性,可通过更改指令,将不同的算法部署在加速器上。加速器的核心采用3种加速阵列,分别为尺寸为16×16的3×3卷积单元阵列、尺寸为18×18的1×1卷积单元阵列、尺寸为1×9的池化单元阵列,可以加速3×3卷积层、1×1卷积层和池化层,且这些阵列可以通过分时复用的方式来适用更大规模的网络结构。(6)在加速器设计时,为了更加有效的利用3×3卷积单元阵列,本文将尺寸为16×16的3×3卷积单元阵列划成2个尺寸为8×16的3×3卷积单元阵列,加速器可以根据3×3卷积层的步长灵活地对这2个阵列进行组合。

关键词：加速器 FPGA ssd目标检测算法网络裁剪

来源：评论

学校读者我要写书评

暂无评论

基于深度学习ssd算法的高密度电法智能解译方法技术研究

引用

工程地球物理学报 2024年第1期21卷 1-11页

作者：师学明黄崇钰王瑞李斌才郑洪中国地质大学地球物理与空间信息学院湖北武汉430074 中铁第四勘察设计院集团有限公司湖北武汉430063

高密度电法在探测灰岩区地下溶洞病害体方面得到广泛应用,但高密度电法反演结果依赖于初始模型,存在多解性,地质解译容易受专业人员主观因素影响。为此,本文从具有唯一性的视电阻率数据出发,研究了基于深度学习的ssd(Single Shot Multi-... 详细信息

高密度电法在探测灰岩区地下溶洞病害体方面得到广泛应用,但高密度电法反演结果依赖于初始模型,存在多解性,地质解译容易受专业人员主观因素影响。为此,本文从具有唯一性的视电阻率数据出发,研究了基于深度学习的ssd(Single Shot Multi-box Detector)目标检测算法的视电阻率异常智能解译方法技术。针对岩溶地质病害,设计了不同填充类型、形状、规模、数量的溶洞电性异常模型,利用Res2dmod软件进行视电阻率正演计算,构建了包含1400个样本的高密度电法视电阻率智能解译学习样本库(样本和标签)。基于TensorFlow框架,建立了基于深度学习ssd算法的高密度电法视电阻率异常智能解译方法技术,使用学习样本库训练网络权值,训练结束后对高密电法温纳装置视电阻率异常进行智能解译,单个视电阻率剖面异常智能解译耗时不到1 s,各类目标(填充型溶洞、未填充型溶洞)平均准确率为90.68%。研究结果表明:基于ssd算法的高密度电法视电阻率异常智能解译技术可显著提高高密度电法视电阻率解译效率,避免专业人员主观因素影响。

关键词：高密度电法温纳装置视电阻率 ssd目标检测算法智能解译

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：