期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到73篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多频带特征图和改进SqueezeNet的滚动轴承故障诊断
1
作者 冯志刚 任梦媛 +1 位作者 董冰 于明月 《吉林大学学报(工学版)》 北大核心 2026年第1期96-108,共13页
针对目前基于深度学习的故障诊断方法普遍存在模型参数量大和诊断时间长、在噪声环境下诊断性能也会大打折扣的问题,提出了一种快速、轻量的智能化诊断模型进行滚动轴承故障诊断。首先,利用鱼鹰优化算法(OOA)优化变分模态分解(VMD)的参... 针对目前基于深度学习的故障诊断方法普遍存在模型参数量大和诊断时间长、在噪声环境下诊断性能也会大打折扣的问题,提出了一种快速、轻量的智能化诊断模型进行滚动轴承故障诊断。首先,利用鱼鹰优化算法(OOA)优化变分模态分解(VMD)的参数,进而基于固有模态函数(IMF)分量设计一种多频带灰度特征图;然后,基于有效注意力通道(ECA)模块设计一种残差注意力机制(RAM)模块,并集成到SqueezeNet模型中;最后,使用K最近邻(KNN)代替Softmax函数对故障进行识别与分类,建立了RSqueezeNet-KNN模型。两组实验结果表明:在噪声环境下,该模型对比其他方法能够实现轻量化应用,具有优秀的诊断性能。 展开更多
关键词 轴承故障诊断 灰度特征图 squeezenet模型 注意力机制 轻量化
原文传递
基于改进SqueezeNet的水电检修工具识别算法
2
作者 耿在明 吴涛 +4 位作者 黄雄 邱威 王路 李志杰 熊浩志 《装备制造技术》 2025年第9期35-39,64,共6页
针对水电站在定期检修期间面临着工具种类繁多、识别难度大等问题,提出一种基于改进SqueezeNet的水电检修工具识别算法,旨在通过智能化手段实现对水电站检修工具的快速准确识别,从而提高检修工作的效率和准确性。该算法在保持SqueezeNe... 针对水电站在定期检修期间面临着工具种类繁多、识别难度大等问题,提出一种基于改进SqueezeNet的水电检修工具识别算法,旨在通过智能化手段实现对水电站检修工具的快速准确识别,从而提高检修工作的效率和准确性。该算法在保持SqueezeNet模型轻量级和高效性的基础上,进行了三方面的针对性改进。首先,针对SqueezeNet网络结构的特点,引入了Concat层,将不同层次的特征图进行拼接,使得模型能够更好地捕捉水电站检修工具的各种细微特征,从而提高了识别的准确性。其次,对Fire模块进行了优化改进,并引入了Dropout层以增强模型的泛化能力,增强了模型的鲁棒性和稳定性。最后,将原始的ReLU函数替换成了H-swish函数,使得模型在处理非线性特征映射时能够展现出更强的能力,同时保持了模型的简单性和高效性。在水电检修工具数据集上进行的实验结果表明,与三类经典分类模型(AlexNet、ResNet和SqueezeNet)相比,在平均识别准确率、计算效率和模型复杂度等方面,基于改进SqueezeNet的水电检修工具识别算法,以99.67%的平均识别准确率、1.9 ms的平均识别时间和3.4M的模型大小取得了显著优势。 展开更多
关键词 深度学习 squeezenet模型 识别
在线阅读 下载PDF
基于改进SqueezeNet网络模型的破碎玉米籽粒识别方法 被引量：1
3
作者 姚艳春 崔春晓 +1 位作者 耿端阳 赵博 《农业工程学报》 北大核心 2025年第9期154-164,共11页
为解决SqueezeNet网络模型识别玉米等小籽粒目标存在网络层次深、卷积计算量大等问题,该研究提出了一种改进SqueezeNet网络模型的破碎玉米籽粒识别方法。首先,为优化网络结构并降低计算量,设计了SqueezeNet-dw2网络模型,改变SqueezeNet... 为解决SqueezeNet网络模型识别玉米等小籽粒目标存在网络层次深、卷积计算量大等问题,该研究提出了一种改进SqueezeNet网络模型的破碎玉米籽粒识别方法。首先,为优化网络结构并降低计算量,设计了SqueezeNet-dw2网络模型,改变SqueezeNet经典模型Fire层数,并修改了末尾卷积层的输入通道参数,修改普通卷积为深度可分离卷积;其次,利用Ghost模块设计了Fire模块expand层里的3×3卷积,改进SqueezeNet-dw2网络模型为SqueezeNet-dw2-gh网络模型,降低了模型计算量和参数量;最后,优选网络激活函数为具有参数化修正线性单元的变体激活函数PReLU,改进SqueezeNet-dw2-gh网络模型为SqueezeNet-dw2-gh-P网络模型,减小了因轻量化改进造成的准确率损失。结果表明,改进后的SqueezeNet-dw2-gh-P网络模型参数量仅为0.60 MB,比原始模型降低了51.61%,模型浮点运算量为36.71 MFLOPs,降低了48.54%,验证集准确率为93.98%,测试集准确率为92.33%,同时保证了破碎玉米籽粒识别精度。本文提出的改进SqueezeNet网络模型明显减少了参数量和浮点运算量,能够实现在移动端等资源受限的嵌入式设备上部署模型,对在线实时准确识别破碎玉米籽粒具有重要参考价值。 展开更多
关键词 深度学习 卷积神经网络 图像识别 破碎玉米籽粒 轻量化 squeezenet
在线阅读 下载PDF
基于SqueezeNet卷积神经网络的岩石薄片图像分类研究 被引量：20
4
作者 程国建 李碧 +2 位作者 万晓龙 姚卫华 魏新善 《矿物岩石》 CAS CSCD 北大核心 2021年第4期94-101,共8页
在地质研究中,针对岩石薄片图像分类算法可移植性不高、分类速度较慢等问题,提出将轻量级卷积神经网络结构SqueezeNet应用于岩石薄片图像分类。实验的数据集为鄂尔多斯某油田区域的10026张长石砂岩图像,图像大小均为224×224像素,通... 在地质研究中,针对岩石薄片图像分类算法可移植性不高、分类速度较慢等问题,提出将轻量级卷积神经网络结构SqueezeNet应用于岩石薄片图像分类。实验的数据集为鄂尔多斯某油田区域的10026张长石砂岩图像,图像大小均为224×224像素,通过SqueezeNet网络模型进行训练,在较短时间内实现了岩石薄片图像的分类,并取得了较好分类效果,验证集分类准确率最高可达到90.88%。实验结果表明,所提模型在保证准确率的同时,大大减少了模型参数,模型大小仅为4.78 MB,提升了岩石分类速度、增强了模型的可移植性。 展开更多
关键词 岩石薄片图像 卷积神经网络 squeezenet卷积网络
原文传递
采用改进的SqueezeNet模型识别多类叶片病害 被引量：44
5
作者 刘阳 高国琴 《农业工程学报》 EI CAS CSCD 北大核心 2021年第2期187-195,共9页
为实现作物叶片病害的准确识别,该研究以PlantVillage工程开源数据库中14种作物38类叶片为研究对象,从网络规模小型化和计算过程轻量化需求的角度出发,对经典轻量级卷积神经网络SqueezeNet提出改进措施,包括修改最后一层卷积层的输出、... 为实现作物叶片病害的准确识别,该研究以PlantVillage工程开源数据库中14种作物38类叶片为研究对象,从网络规模小型化和计算过程轻量化需求的角度出发,对经典轻量级卷积神经网络SqueezeNet提出改进措施,包括修改最后一层卷积层的输出、删除经典模型中的后3个fire模块并修改fire模块5的参数、调节fire模块中expand层中1×1和3×3的卷积核数目的比例、移动部分fire模块在模型中的位置等措施,共获取5种改进的病害叶片检测模型,并运用迁移学习和随机梯度下降算法进行训练。试验结果表明,在不过多损失网络性能的前提下,改进后5种模型的参数内存需求及模型计算量均呈现大幅减小,模型收敛迅速,其中最优模型参数内存需求仅为0.62 MB,模型运算量仅为111 MFLOPs,其平均准确率达到98.13%,平均查全率达到98.09%,平均查准率达到97.62%,在与已有相关研究的对比中表现出较高的性价比。该研究提出的改进模型在大幅减少参数内存要求和计算量的同时使模型性能保持在一个较高的水平,较好地平衡了这3项指标,适合将模型部署在移动终端等嵌入式资源受限设备上,有助于实现对作物病害的实时准确识别。 展开更多
关键词 病害 图像识别 squeezenet 轻量级卷积神经网络 模型参数内存需求 模型运算
在线阅读 下载PDF
基于改进CPMs和SqueezeNet的轻量级人体骨骼关键点检测模型 被引量：4
6
作者 强保华 翟艺杰 +4 位作者 陈金龙 谢武 郑虹 王学文 张世豪 《计算机应用》 CSCD 北大核心 2020年第6期1806-1811,共6页
针对目前的人体骨骼关键点检测模型参数多、训练时间长和检测速度慢的问题,提出了一种将人体骨骼关键点检测模型CPMs与小型卷积神经网络模型SqueezeNet相结合的检测方法。首先,采用4个Stage的CPMs(CPMsStage4)对人物图像进行关键点检测... 针对目前的人体骨骼关键点检测模型参数多、训练时间长和检测速度慢的问题,提出了一种将人体骨骼关键点检测模型CPMs与小型卷积神经网络模型SqueezeNet相结合的检测方法。首先,采用4个Stage的CPMs(CPMsStage4)对人物图像进行关键点检测;然后,在CPMs-Stage4中引入SqueezeNet的Fire Module网络结构,利用Fire Module结构大大压缩模型参数,得到一种新的轻量级人体骨骼关键点检测模型SqueezeNet15-CPMs-Stage4。在扩展的LSP数据集上的验证结果显示,与CPMs相比,SqueezeNet15-CPMs-Stage4模型在训练时间上减少86.68%,在单张图像检测时间上减少44.27%,准确率达到90.4%;与改进的VGG-16、DeepCut和DeeperCut三种参照模型相比,SqueezeNet15-CPMs-Stage4模型在训练时间、检测速度和准确率方面均是最优的。实验结果表明,所提模型不仅检测准确率高,而且训练时间短、检测速度快,能够有效降低人体骨骼关键点检测模型的训练成本。 展开更多
关键词 人体骨骼关键点检测 人体姿态估计 深度学习 卷积神经网络 轻量级 CPMS squeezenet
在线阅读 下载PDF
基于SqueezeNet卷积神经网络的车辆颜色识别 被引量：13
7
作者 李坤伦 魏泽发 宋焕生 《长安大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第4期109-116,共8页
为实现车辆颜色的精准识别,辅助现有车牌识别方法在智能交通系统中完成对车辆身份的精确认证,通过分析现有解决方案和探究卷积神经网络在实际应用中的问题,提出基于轻量级卷积神经网络SqueezeNet实现对车辆颜色识别的方法。轻量级卷积... 为实现车辆颜色的精准识别,辅助现有车牌识别方法在智能交通系统中完成对车辆身份的精确认证,通过分析现有解决方案和探究卷积神经网络在实际应用中的问题,提出基于轻量级卷积神经网络SqueezeNet实现对车辆颜色识别的方法。轻量级卷积神经网络SqueezeNet的参数量是AlexNet网络结构的1/50,同时还能保证精度,避免由于网络结构复杂、参数量大造成的大规模计算和较高的计算机硬件需求,提升了模型的可移植性。选取车辆颜色识别(Vehicle_Color_Recognition)数据集作为研究基础,针对数据集进行了扩充和增强处理。以SqueezeNet为基准探究了特征融合对分类结果的影响,通过对比试验确定将fire7/concat输出特征图和fire9/concat输出特征图相融合。研究结果表明:轻量级卷积神经网络SqueezeNet在保证模型大小2.9 M、单张测试时间15 ms的基础上,训练精度为96.28%,而AlexNet的模型大小为227 M、单张测试时间24 ms、训练精度为96.18%;在实现同等精度的前提下,轻量级卷积神经网络SqueezeNet训练得到的模型更适合移植到如现场可编程门列阵(FPGA)这种开发板上,同时在服务器上的处理速度也更快;融合后的模型最终的分类结果提升为96.48%。利用轻量级卷积神经网络SqueezeNet进行车辆颜色识别可以较好地应用在智能交通系统中,并在一定程度上解决目前车牌识别的难点。 展开更多
关键词 交通工程 卷积神经网络 智能交通 车辆颜色识别 squeezenet
原文传递
面向番茄病害识别的改进型SqueezeNet轻量级模型 被引量：8
8
作者 胡玲艳 周婷 +2 位作者 许巍 汪祖民 裴悦琨 《郑州大学学报（理学版）》 北大核心 2022年第4期71-77,共7页
针对番茄病害识别中深度神经网络参数过多、识别精度较低的问题,从网络轻量化和提取特征精准化的角度出发,对SqueezeNet结构进行改进。为精简fire模块,对其中Expand层的卷积核大小、网络层数以及通道数进行调整。同时,将模型与ECA模块结... 针对番茄病害识别中深度神经网络参数过多、识别精度较低的问题,从网络轻量化和提取特征精准化的角度出发,对SqueezeNet结构进行改进。为精简fire模块,对其中Expand层的卷积核大小、网络层数以及通道数进行调整。同时,将模型与ECA模块结合,利用局部跨通道交互的方式获得各通道的注意力值,强化网络对关键特征的学习能力。实验结果表明,与LeNet、MobileNet和SqueezeNet模型相比,改进型SqueezeNet的模型大小和识别准确率均具有明显优势,为嵌入式设备在实际生产中的番茄病害识别提供一种技术方法。 展开更多
关键词 番茄病害 卷积神经网络 ECA模块 轻量级 squeezenet结构
在线阅读 下载PDF
基于深度残差网络和GRU的SqueezeNet模型的交通路标识别 被引量：8
9
作者 霍爱清 张文乐 李浩平 《计算机工程与科学》 CSCD 北大核心 2020年第11期2030-2036,共7页
现有的交通路标识别方法都是基于卷积神经网络的,随着网络层数的增加,准确率会提高,但也出现了效率降低、参数量增加等问题。为此,提出结合深度残差网络和GRU网络的改进SqueezeNet模型(SqueezeNet-IR-GRU)。该模型采用ELU函数作为激活函... 现有的交通路标识别方法都是基于卷积神经网络的,随着网络层数的增加,准确率会提高,但也出现了效率降低、参数量增加等问题。为此,提出结合深度残差网络和GRU网络的改进SqueezeNet模型(SqueezeNet-IR-GRU)。该模型采用ELU函数作为激活函数,以提高学习效率;引入深度残差网络,以避免网络太深时梯度消失的情况;利用GRU神经网络能够记忆过去的重要特征来保证模型的稳定性。在CIFIR-10和GTSRB数据集上进行了实验,其识别准确率分别达到99.13%和88.25%以上。实验结果表明,SqueezeNet-IR-GRU模型不仅大幅度降低了参数量,其收敛性、稳定性和召回率也都优于其他网络模型的。 展开更多
关键词 squeezenet GRU神经网络 深度残差网络 识别准确率 稳定性
在线阅读 下载PDF
基于SqueezeNet-Tiny的可回收垃圾智能垃圾桶设计及实现 被引量：1
10
作者 李长江 余海涛 +2 位作者 李官星 李玥洋 谭雯文 《现代信息科技》 2022年第17期75-77,共3页
文章提出一种对SqueezeNet神经网络改进策略,通过删除第三个Maxpooling层,同时将第一个卷积层的卷积核大小设置成3×3,创建轻量化SqueezeNet-Tiny模型,并在具有复杂背景的可回收垃圾数据集(Recyclable Waste Dataset,简称RW Dataset... 文章提出一种对SqueezeNet神经网络改进策略,通过删除第三个Maxpooling层,同时将第一个卷积层的卷积核大小设置成3×3,创建轻量化SqueezeNet-Tiny模型,并在具有复杂背景的可回收垃圾数据集(Recyclable Waste Dataset,简称RW Dataset)上验证了改进的有效性。将SqueezeNet-Tiny迁移到硬件设施,完成了智能分类垃圾桶的设计和制作,识别精度可达94.68%,参数量仅为0.74 M,基本满足工程化应用的需求。 展开更多
关键词 squeezenet 可回收垃圾 智能分类垃圾桶 工业应用
在线阅读 下载PDF
基于SqueezeNet和FractalNet混合模型的图像分类研究
11
作者 王子牛 王许 +2 位作者 高建瓴 陈娅先 吴建华 《软件》 2019年第10期46-49,共4页
针对传统卷积神经网络(如Lenet5)在图像的多分类任务中识别率不高、较新的卷积神经网络(如VGG16)在图像的多分类任务中待优化的参数达到千万级别的问题。采用将SqueezeNet 神经网络与FractalNet 神经网络相结合的方法。本文使用SqueezeN... 针对传统卷积神经网络(如Lenet5)在图像的多分类任务中识别率不高、较新的卷积神经网络(如VGG16)在图像的多分类任务中待优化的参数达到千万级别的问题。采用将SqueezeNet 神经网络与FractalNet 神经网络相结合的方法。本文使用SqueezeNet 神经网络中的Fire Module 来减少模型的参数、FractalNet 神经网络的基本架构来保证神经网络模型的准确度。结果显示:在其它超参数基本相同的前提下,迭代40 代时,DenseNet 模型的测试集准确度为79.92%,而混合模型的测试集准确度为84.56%,其待优化的参数降至二百万个左右,故混合模型对数据的拟合能力更强,模型参数保持较低水平。 展开更多
关键词 squeezenet FractalNet DenseNet 图像分类 混合模型 卷积神经网络
在线阅读 下载PDF
基于一维改进SqueezeNet和WSNs节点计算的轴承故障诊断方法
12
作者 侯立群 许一波 《电力科学与工程》 2023年第12期23-31,共9页
为充分利用Squeeze Net的轻量、高效以及无线传感器网络(Wireless sensor networks,WSNs)易于安装、成本低的优点,同时为弥补WSNs带宽受限的缺陷,提出了一种基于一维改进SqueezeNet模型和WSNs节点计算的轴承故障诊断方法。通过简化模型... 为充分利用Squeeze Net的轻量、高效以及无线传感器网络(Wireless sensor networks,WSNs)易于安装、成本低的优点,同时为弥补WSNs带宽受限的缺陷,提出了一种基于一维改进SqueezeNet模型和WSNs节点计算的轴承故障诊断方法。通过简化模型结构、改进fire模块、添加BN模块和旁路结构的方法,对经典SqueezeNet模型进行了改进,得到了一维改进SqueezeNet-BN-Bypass模型。实验表明,该模型的参数量和计算量明显低于SqueezeNet模型,适于嵌入资源受限的WSNs节点;其故障诊断准确率的仿真值为99.1%,接近经典SqueezeNet模型的仿真值(99.3%);该模型嵌入节点后的准确率约为98.8%。此外,与直接传送原始数据相比,该方法可减少99.9%的数据传输量。 展开更多
关键词 轴承故障诊断 squeezenet 无线传感器网络 节点计算
在线阅读 下载PDF
基于SqueezeNet深度网络的中药材粉末显微特征图像识别研究 被引量：15
13
作者 王一丁 石铎 +1 位作者 李耀利 蔡少青 《电子显微学报》 CAS CSCD 北大核心 2019年第2期130-138,共9页
中药材粉末显微特征图像具有复杂的纹理特点,传统算法难以构建高识别率的分类器。针对此提出一种基于SqueezeNet卷积网络的改进型双通道算法。首先,分离背景并提取感兴趣区,同时自动截取感兴趣中心区域1/4面积作为细粒度特征图像;其次,... 中药材粉末显微特征图像具有复杂的纹理特点,传统算法难以构建高识别率的分类器。针对此提出一种基于SqueezeNet卷积网络的改进型双通道算法。首先,分离背景并提取感兴趣区,同时自动截取感兴趣中心区域1/4面积作为细粒度特征图像;其次,对感兴趣区和细粒度特征图像进行尺度归一化,去均值,调整方差以及多角度旋转等预处理;之后,将处理后的感兴趣区和细粒度特征图像分别作为两个独立SqueezeNet深度网络的输入源,并对两个网络进行独立训练;最后,将得到的两个模型作为两个通道连接,识别结果利用概率加权算法进行融合。应用提出的改进型双通道算法对15种中药材粉末显微导管特征图像进行识别,正确识别率达到90. 33%。该方法具有较高的正确识别率和理想的识别效果。 展开更多
关键词 中药材粉末显微特征图像识别 显微结构特征 卷积神经网络 squeezenet 细粒度特征 概率加权融合
在线阅读 下载PDF
基于改进的SqueezeNet直升机滚动轴承故障诊断 被引量：10
14
作者 余志锋 熊邦书 +1 位作者 李新民 欧巧凤 《航空动力学报》 EI CAS CSCD 北大核心 2022年第6期1162-1170,共9页
针对现有基于卷积神经网络的故障诊断方法存在模型参数量和计算量大的问题,提出一种改进的SqueezeNet模型应用于直升机滚动轴承故障诊断。该模型借鉴VGG16模型的思想,在经典的SqueezeNet基础上,采用3个3×3卷积核代替1个7×7卷... 针对现有基于卷积神经网络的故障诊断方法存在模型参数量和计算量大的问题,提出一种改进的SqueezeNet模型应用于直升机滚动轴承故障诊断。该模型借鉴VGG16模型的思想,在经典的SqueezeNet基础上,采用3个3×3卷积核代替1个7×7卷积核,实现了在相同感知野条件下增加网络容量、增强非线性、减少网络参数量,采用卷积层、池化层和Fire模块、池化层两大结构交替的方式组成模型特征提取层,在保障特征提取能力的情况下,进一步减少了网络参数量。通过轴承数据开展模型故障诊断实验,结果表明该模型诊断精度达到99.65%,与传统卷积神经网络及经典的SqueezeNet模型相比诊断精度相当,而计算量与参数量最大缩减约6倍和36倍。 展开更多
关键词 直升机滚动轴承 卷积神经网络 VGG16模型 轻量化 squeezenet模型
原文传递
Fast SqueezeNet算法及在地铁人群密度估计上的应用 被引量：4
15
作者 郭强 刘全利 王伟 《控制理论与应用》 EI CAS CSCD 北大核心 2019年第7期1036-1046,共11页
针对地铁视频监控一直缺乏一种有效的人群密度分类器的问题,提出了基于人群密度估计算法—Fast SqueezeNet的人群密度分类器,用于在地铁嵌入式计算平台有限的硬件资源限制下,实现对地铁车厢内人群的密度估计.该算法基于轻型卷积神经网络... 针对地铁视频监控一直缺乏一种有效的人群密度分类器的问题,提出了基于人群密度估计算法—Fast SqueezeNet的人群密度分类器,用于在地铁嵌入式计算平台有限的硬件资源限制下,实现对地铁车厢内人群的密度估计.该算法基于轻型卷积神经网络SqueezeNet,结合权值稀疏化和结构稀疏化方法,具有如下3点优势: 1)以原始图像作为输入,并在处理的过程中自动提取纹理特征用于拥挤人群密度的估计;2) SqueezeNet经过权值稀疏化后,具有更少的模型参数,可以灵活的布置在安谋(ARM)等具有有限硬件资源的嵌入式平台上;3)结构稀疏化方法使得SqueezeNet具有更快的前向预测速度,提高其在地铁嵌入式平台上的图像处理效率.在3个人群密度数据集PETS 2009, Mall和ShangHai metro上,采用Fast SqueezeNet算法的三分类人群密度分类器,与基于卷积神经网络和单纯的权值稀疏化SqueezeNet网络的分类器进行对比实验研究,结果表明:在预测准确率、参数规模和运行时间3个维度上,基于Fast SqueezeNet的分类器均表现出了较好的性能,有效地克服了地铁车厢拥挤人群中存在的高密度、高耦合、透视变形等图像识别难题对估计结果的影响.最后,在ARM嵌入式平台上的实验表明基于FastSqueezeNet的分类器可以在有限的硬件资源下,快速准确的得到预测结果,满足高速运行的地铁列车日常使用需求. 展开更多
关键词 人群密度估计 squeezenet 稀疏化方法 地铁 嵌入式平台
在线阅读 下载PDF
基于微控制器改进SqueezeNet交通标志识别的研究 被引量：3
16
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
基于改进SqueezeNet的棒状物表面缺陷识别 被引量：10
17
作者 王文秀 郑鹏 +1 位作者 徐颖杰 郑嘉琦 《电子测量与仪器学报》 CSCD 北大核心 2023年第4期240-249,共10页
高速流水线生产的棒状物极易产生各种表面缺陷,但基于传统图像处理的缺陷识别方法易受环境影响、可靠性低,而基于深度学习的缺陷识别方法存在模型过大、识别准确率受制于样本数量等问题。因此,本文提出了一种基于改进SqueezeNet的棒状... 高速流水线生产的棒状物极易产生各种表面缺陷,但基于传统图像处理的缺陷识别方法易受环境影响、可靠性低,而基于深度学习的缺陷识别方法存在模型过大、识别准确率受制于样本数量等问题。因此,本文提出了一种基于改进SqueezeNet的棒状物表面缺陷识别系统。设计了可获取圆周对称小体积棒状物全表面图像的采集装置,并在轻量级卷积神经网络SqueezeNet中引入注意力模块以改善模型的特征提取效果,利用数据平衡方法提升数据集内少数类样本的识别准确率,利用迁移学习的方法进行深度学习训练,减轻数据集样本不足对训练效果的影响。以生产线上的卷烟烟支为研究对象,采集其圆周表面图像进行实验,结果表明,改进方法在少样本条件下的分类准确率达到了94.49%,其中对于少数类样本的F1分数提高了31.19%,单张图像检测时间约1.66 ms,模型轻量化,可满足工业生产线中棒状物实时缺陷识别的需求。 展开更多
关键词 缺陷识别 squeezenet 数据平衡 注意力模块
原文传递
基于注意力特征融合的SqueezeNet细粒度图像分类模型 被引量：8
18
作者 李明悦 何乐生 +1 位作者 雷晨 龚友梅 《云南大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第5期868-876,共9页
针对现有细粒度图像分类算法普遍存在的模型结构复杂、参数多、分类准确率较低等问题,提出一种注意力特征融合的SqueezeNet细粒度图像分类模型.通过对现有细粒度图像分类算法和轻量级卷积神经网络的分析,首先使用3个典型的预训练轻量级... 针对现有细粒度图像分类算法普遍存在的模型结构复杂、参数多、分类准确率较低等问题,提出一种注意力特征融合的SqueezeNet细粒度图像分类模型.通过对现有细粒度图像分类算法和轻量级卷积神经网络的分析,首先使用3个典型的预训练轻量级卷积神经网络,对其微调后在公开的细粒度图像数据集上进行验证,经比较后选择了模型性能最佳的SqueezeNet作为图像的特征提取器;然后将两个具有注意力机制的卷积模块嵌入至SqueezeNet网络的每个Fire模块;接着提取出改进后的SqueezeNet的中间层特征进行双线性融合形成新的注意力特征图,与网络的全局特征再融合后分类;最后通过实验对比和可视化分析,网络嵌入Convolution Block Attention Module(CBAM)模块的分类准确率在鸟类、汽车、飞机数据集上依次提高了8.96%、4.89%和5.85%,嵌入Squeeze-and-Excitation(SE)模块的分类准确率依次提高了9.81%、4.52%和2.30%,且新模型在参数量、运行效率等方面比现有算法更具优势. 展开更多
关键词 细粒度图像分类 轻量级卷积神经网络 squeezenet 注意力机制 Convolution Block Attention Module(CBAM) Squeeze-and-Excitation(SE) 特征融合
在线阅读 下载PDF
改进SqueezeNet卷积神经网络机械零件表面缺陷检测算法 被引量：13
19
作者 郭子宁 黄海龙 高培根 《制造业自动化》 2024年第2期121-124,共4页
提出了一种改进的SqueezeNet卷积神经网络算法,可以实现对机械零件表面缺陷准确快速的检测。采用了残差网络架构来增加层与层之间的信息交流,优化了内部卷积通道数,增强了对细节特征的提取能力,搭建了机械零件表面缺陷检测实验平台,验... 提出了一种改进的SqueezeNet卷积神经网络算法,可以实现对机械零件表面缺陷准确快速的检测。采用了残差网络架构来增加层与层之间的信息交流,优化了内部卷积通道数,增强了对细节特征的提取能力,搭建了机械零件表面缺陷检测实验平台,验证了算法的准确性和实时性。实验结果表明,改进后的SqueezeNet卷积神经网络算法的准确率为98.91%,检测时间约为3.34ms,相比经典SqueezeNet算法,在检测的准确率和检测速度上都有一定的提高。 展开更多
关键词 squeezenet 卷积神经网络 机械零件 缺陷检测
在线阅读 下载PDF
SqueezeNet和动态网络手术的脱机手写汉字识别 被引量：1
20
作者 周於川 谭钦红 奚川龙 《小型微型计算机系统》 CSCD 北大核心 2021年第3期556-560,共5页
传统和基于CNN的脱机手写汉字识别模型多数是为了追求更高准确率,未重视模型体积大小,模型中存在大量冗余参数,模型训练周期长并且很难在资源有限的平台上运行.针对这些问题,本文提出改进的SqueezeNet模型,保留了用小卷积核替代大卷积... 传统和基于CNN的脱机手写汉字识别模型多数是为了追求更高准确率,未重视模型体积大小,模型中存在大量冗余参数,模型训练周期长并且很难在资源有限的平台上运行.针对这些问题,本文提出改进的SqueezeNet模型,保留了用小卷积核替代大卷积核的策略,采用层间的特征融合算法和L2范数约束的Softmax分类函数;然后再对参数裁剪进一步压缩,避免裁剪掉重要参数而损失过多准确率,采用动态网络手术算法来保证将误删重要参数重新拼接.并将改进后的模型与其它模型在测试集ICDAR-2013下进行对比,本文模型参数变少、训练速度快并且可移植性强,模型大小为3.2MB,在测试集ICDAR-2013中其准确率达到96.03%,对输入图预处理后再训练所得模型准确率达到96.32%. 展开更多
关键词 squeezenet 动态手术网络 脱机手写汉字识别 深度学习 特征融合 L2-Softmax
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
使用帮助 返回顶部