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5篇文章
< 1 >
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：
多部位皮肤检测研究及其在洗浴机器人中的应用
1
作者 李平 喻洪流 《上海理工大学学报》 北大核心 2025年第1期1-8,29,共9页
为了应对人口老龄化带来的挑战,并使洗浴机器人能够针对不同皮肤部位采用适当的洗浴模式,对多部位皮肤检测及其在洗浴机器人中的应用进行了研究。在前期研究的基础上,选取了4种典型目标检测算法,扩充了原始数据集,并基于迁移学习进行多... 为了应对人口老龄化带来的挑战,并使洗浴机器人能够针对不同皮肤部位采用适当的洗浴模式,对多部位皮肤检测及其在洗浴机器人中的应用进行了研究。在前期研究的基础上,选取了4种典型目标检测算法,扩充了原始数据集,并基于迁移学习进行多部位皮肤检测。建立了综合评价指标以评估算法性能,在Tesla T4和TX2平台上对性能最佳的模型进行部署和测试,并将其应用于洗浴机器人中。结果显示:数据集类不平衡的改善可使检测精度平均提升18%;YOLOv5s算法在精度与模型大小之间达到了最佳平衡,能够在Tesla T4和TX2平台上进行实时检测,并在水汽环境中实现对不同部位皮肤的识别。通过TX2平台集成视觉传感器,进行目标点三维位姿建模和联合实验,控制机器人到达背部区域的成功率为92%,使用点云作为监督信息可将此成功率提升至100%。改善类不平衡可以显著提升多部位皮肤检测的准确性,YOLOv5s在平衡精度和模型大小方面表现出色,有效满足了洗浴机器人多部位皮肤检测的需求。 展开更多
关键词 皮肤检测 洗浴机器人 YOLOv5s算法 迁移学习 tx2平台
在线阅读 下载PDF
一种基于TX2平台的改进YOLOv3红绿灯检测算法 被引量：4
2
作者 常飞翔 刘元盛 +2 位作者 李中道 路铭 张军 《汽车技术》 CSCD 北大核心 2021年第8期1-6,共6页
针对采用嵌入式平台TX2检测红绿灯时存在存储容量小、算力有限的问题,提出一种改进YOLOv3红绿灯检测算法。从获取最优锚框尺度、裁减网络大尺度检测分支、模型剪枝压缩3个方面对YOLOv3算法进行改进,在自制数据集下进行模型训练,在离线... 针对采用嵌入式平台TX2检测红绿灯时存在存储容量小、算力有限的问题,提出一种改进YOLOv3红绿灯检测算法。从获取最优锚框尺度、裁减网络大尺度检测分支、模型剪枝压缩3个方面对YOLOv3算法进行改进,在自制数据集下进行模型训练,在离线数据测试中,模型的平均精度提高了34%,参数量压缩至11.9%,帧速率可达18帧/s,在实际环境测试中,对不规则摆放的园区红绿灯以及10 km实际路段下红绿灯的正确识别率分别为94.75%、92.7%。 展开更多
关键词 红绿灯识别 YOLOv3 tx2平台 锚框 模型压缩
在线阅读 下载PDF
基于嵌入式平台的车前红外行人检测方法研究 被引量：1
3
作者 张良 李鑫 +2 位作者 赵晓敏 蒋瑞洋 张国栋 《汽车技术》 CSCD 北大核心 2023年第1期9-14,共6页
针对当前目标检测方法普遍需要高功耗GPU计算平台、易受光照条件影响的问题,提出2种基于嵌入式平台的车前红外行人检测方法:将训练好的YOLOv4-tiny模型使用英伟达开源推理加速库TensorRT进行优化,部署于嵌入式平台;以YOLOv4-tiny模型作... 针对当前目标检测方法普遍需要高功耗GPU计算平台、易受光照条件影响的问题,提出2种基于嵌入式平台的车前红外行人检测方法:将训练好的YOLOv4-tiny模型使用英伟达开源推理加速库TensorRT进行优化,部署于嵌入式平台;以YOLOv4-tiny模型作为算法的基本架构,结合视觉注意力机制和空间金字塔池化思想,同时增加1个YOLO层,提出YOLOv4-tiny+3L+SPP+CBAM网络模型。将2种方法在FLIR数据集上进行训练与测试,并在Jetson TX2嵌入式平台上进行试验,试验结果表明:相较于原始网络YOLOv4-tiny,所提出的第1种方法平均准确率降低0.54%,推理速度提升86.43%(帧速率达26.1帧/s);提出的第2种方法平均准确率提升16.21%,推理速度降低22.86%(帧速率达10.8帧/s)。2种方法均可兼顾准确率和实时性,能够满足车前红外行人检测的需要。 展开更多
关键词 目标检测 红外图像 开源推理加速库 注意力机制 Jetson tx2平台
在线阅读 下载PDF
基于YOLOv3的嵌入式实时视频目标检测算法 被引量：6
4
作者 尹彦卿 龚华军 王新华 《计算机工程》 CAS CSCD 北大核心 2020年第2期230-234,共5页
深度神经网络在目标检测领域具有优异的检测性能,但其结构复杂、计算量大,难以在嵌入式设备上进行高性能的实时目标检测。针对该问题,提出一种基于YOLOv3的目标检测算法。采用半精度推理策略提高YOLO算法的推理速度,并通过视频运动自适... 深度神经网络在目标检测领域具有优异的检测性能,但其结构复杂、计算量大,难以在嵌入式设备上进行高性能的实时目标检测。针对该问题,提出一种基于YOLOv3的目标检测算法。采用半精度推理策略提高YOLO算法的推理速度,并通过视频运动自适应推理策略充分利用前后帧视频之间目标的关联性,降低深度学习算法的运行频率,进一步提高目标检测速度。在ILSVRC数据集上的实验结果表明,该算法可以在NVIDIA TX2嵌入式平台上实现28 frame/s的视频目标检测,且检测精度与原始的YOLOv3算法相当。 展开更多
关键词 YOLOv3算法 深度学习 目标检测 NVIDIA tx2嵌入式平台 半精度 粒子滤波
在线阅读 下载PDF
基于视觉的嵌入式路面标识检测算法研究
5
作者 许大展 吴晓雨 《中国传媒大学学报（自然科学版）》 2021年第4期55-62,共8页
路面标识为无人驾驶提供重要的道路视觉信息,路面标识的正确识别是行车安全的前提。由于实际道路场景的复杂多变性,传统路面标识检测方法在嵌入式平台下算法鲁棒性和实时性方面仍面临着一些挑战。本文提出了嵌入式平台Jetson TX2下路面... 路面标识为无人驾驶提供重要的道路视觉信息,路面标识的正确识别是行车安全的前提。由于实际道路场景的复杂多变性,传统路面标识检测方法在嵌入式平台下算法鲁棒性和实时性方面仍面临着一些挑战。本文提出了嵌入式平台Jetson TX2下路面标识检测网络模型及优化算法:首先给出了基于层合并的区域全卷积网络R-FCN(Region-based Fully Convolutional Networks)的简化模型,实现了路面标识的高精度检测;接着,为了满足实际应用中实时推理需求,将简化的R-FCN网络模型部署在嵌入式平台NVIDIA Jetson TX2上,构建了基于TensorRT的模型推理优化加速方法,在嵌入式平台上实现了快速准确路面标识算法。该算法在自建路面标识库和相应的公开数据库进行了测试,实验结果验证了算法的有效性。 展开更多
关键词 路面标识检测 模型加速 嵌入式平台tx2 TensorRT
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 下一页 到第 页
使用帮助 返回顶部