期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于微控制器改进SqueezeNet交通标志识别的研究 被引量:3
1
作者 李晓琳 庞保孟 +4 位作者 曹银杰 田存伟 冯文文 刘明 耿相珍 《计算机测量与控制》 2020年第5期88-92,共5页
针对目前交通标志的识别都是基于操作系统之上,无法做到自主可控、稳定可靠的问题,故提出一种基于微控制器卷积神经网络交通标志识别;考虑到微控制器内存及计算速度,研究采用改进SqueezeNet网络模型结构,将PC训练机训练好的各种交通标... 针对目前交通标志的识别都是基于操作系统之上,无法做到自主可控、稳定可靠的问题,故提出一种基于微控制器卷积神经网络交通标志识别;考虑到微控制器内存及计算速度,研究采用改进SqueezeNet网络模型结构,将PC训练机训练好的各种交通标志权值矩阵文件缩小了50倍,移植到前端Cortex-M核系列开发板上;利用内嵌的CMSIS-NN网络函数库搭建与训练机相同的网络模型结构实现对标志的快速识别;实验结果表明,基于微控制器改进SqueezeNet交通标志识别方法平均识别率达到97.4%以上,识别速度得到了有效的提高,同时为智慧交通的标志识别提供了一种可选择方案。 展开更多
关键词 交通标志识别 微控制器 cmsis-nn 改进SqueezeNet
在线阅读 下载PDF
基于机器学习的Cortex-M监控视频车型识别 被引量:4
2
作者 李晓琳 曹银杰 +3 位作者 田存伟 刘明 耿相珍 冯文文 《科学技术与工程》 北大核心 2019年第34期227-233,共7页
为了解决高速公路环境下监控视频图像车型识别需要将海量视频数据上传计算机服务器中心,对所有的视频流图像进行结构化处理和车型识别,造成服务器中心数据压力大、计算任务重,对服务器性能要求高的问题。对此,提出一种基于机器学习的Cor... 为了解决高速公路环境下监控视频图像车型识别需要将海量视频数据上传计算机服务器中心,对所有的视频流图像进行结构化处理和车型识别,造成服务器中心数据压力大、计算任务重,对服务器性能要求高的问题。对此,提出一种基于机器学习的Cortex-M监控视频车型识别的方法。首先,将训练机训练好的六种车型的权值矩阵文件移植到前端Cortex-M核系列开发板上,采用开发板内嵌的CMSIS-NN网络函数库搭建与训练机相同的网络模型结构;同时采用开发板内嵌的CMSIS-DSP库加快图像处理速度,并对选择处理监控视频图像实现车型识别;实验结果表明,该方法平均识别率达到94.6%以上,与采用计算机进行识别相同,可见该方法能够缓解大量视频上传给服务器中心造成的压力,为高速公路环境下监控视频图像车型识别研究提供了一种可选择的方案。 展开更多
关键词 结构化处理 Cortex-M 监控视频 车型识别 cmsis-nn CMSIS-DSP
在线阅读 下载PDF
基于RISC-V的神经网络卷积算法的研究与优化 被引量:3
3
作者 苗瑞霞 张雪兰 +1 位作者 谭星浩 方华启 《计算机工程与设计》 北大核心 2022年第3期668-676,共9页
为加速嵌入式平台ARM CMSIS-NN上的神经网络卷积算法,提出一种面向开源RISC-V(精简指令级架构第五代)的卷积算法。采用RISC-V的P拓展指令集中特有的8位数据操作指令,优化ARM CMSIS-NN(微处理器软件接口标准)库中因为缺少DSP指令8位数据... 为加速嵌入式平台ARM CMSIS-NN上的神经网络卷积算法,提出一种面向开源RISC-V(精简指令级架构第五代)的卷积算法。采用RISC-V的P拓展指令集中特有的8位数据操作指令,优化ARM CMSIS-NN(微处理器软件接口标准)库中因为缺少DSP指令8位数据操作指令而带来的内存使用效率不高的不足。经实验仿真和下板验证,在蜂鸟E203 FPGA开发板上以16 MHz的时钟频率完成功能验证,与同等实验室实验情况下的arm-cortex-m3等设备相比,性能提升约12倍。 展开更多
关键词 ARM cmsis-nn RISC-V 神经网络卷积算法 DSP指令集 蜂鸟E203 FPGA
在线阅读 下载PDF
基于Cortex-M轻量级神经网络的基云图识别 被引量:1
4
作者 蔡东成 张传深 曹银杰 《现代计算机》 2021年第2期57-61,66,共6页
大气系统中云的分布情况对于天气预报的准确性和气候检测起着举足轻重的作用。地基云图的识别对于大气监测和卫星遥感至关重要。针对传统地基云图识别准确率低、实时性差问题,提出一种基于Cortex-M的轻量级神经网络地基云图识别方法。首... 大气系统中云的分布情况对于天气预报的准确性和气候检测起着举足轻重的作用。地基云图的识别对于大气监测和卫星遥感至关重要。针对传统地基云图识别准确率低、实时性差问题,提出一种基于Cortex-M的轻量级神经网络地基云图识别方法。首先,设计地基云图识别的轻量级神经网络模型,然后将训练好的模型移植到前端Cortex-M开发板上,采用开发板内嵌的CMSIS-NN网络函数库搭建相同的模型,同时采用CMSIS-NN库加快图像处理速度,对地基云图进行识别。实验结果表明,该方法的平均识别率达到98.6%,实时性为24ms,达到预期效果。为地基云图识别研究提供一种可选择方案。 展开更多
关键词 Cortex-M 地基云图识别 轻量级 cmsis-nn
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部