基于YOLO2和ResNet算法的监控视频中的人脸检测与识别 被引量：27

1

作者 朱超平 杨艺 《重庆理工大学学报（自然科学）》 CAS 北大核心 2018年第8期170-175,共6页

针对监控环境下的人脸识别比较问题,提出一套基于深度学习的检测识别方法,利用YOLO2算法和Res Net算法完成监控视频中的人脸监测和识别。检测部分采用速度较快的YOLO2算法,识别部分采用准确率较高的Res Net算法。利用WIDER FACE人脸检... 针对监控环境下的人脸识别比较问题,提出一套基于深度学习的检测识别方法,利用YOLO2算法和Res Net算法完成监控视频中的人脸监测和识别。检测部分采用速度较快的YOLO2算法,识别部分采用准确率较高的Res Net算法。利用WIDER FACE人脸检测数据库和CASIA_Webface数据库做验证性实验,实验结果表明:系统整体的实时性和准确率均可满足实际工程应用需要。 展开更多

关键词 深度学习 快速检测 人脸识别 yolo2算法 ResNet算法

在线阅读 下载PDF 职称材料

基于YOLO2的地铁进站客流人脸检测方法 被引量：11

2

作者 周慧娟 张强 +2 位作者 刘羽 王旭阳 柳颖 《计算机与现代化》 2019年第10期76-82,共7页

由于光照变化、乘客拥挤和站外噪声干扰大等问题,现今地铁进站客流人脸检测技术精度较低。为提高人脸检测精度,本文在YOLO2轻量级目标检测算法Tiny YOLO2原有网络结构基础上,首先利用不同数目的1×1卷积层对特征图进行压缩,然后将... 由于光照变化、乘客拥挤和站外噪声干扰大等问题,现今地铁进站客流人脸检测技术精度较低。为提高人脸检测精度,本文在YOLO2轻量级目标检测算法Tiny YOLO2原有网络结构基础上,首先利用不同数目的1×1卷积层对特征图进行压缩,然后将特征图尺寸重新调整到统一大小进行级联,得到高维特征图。缩减网络最后几层卷积核数量,用1×1卷积层替换原始网络的3×3卷积层,得到更深而且更窄的人脸检测网络。改进后的网络先后在Wider Face数据集和地铁进站客流数据集上进行训练,得到最终的人脸检测模型。加载训练好的人脸检测模型对随机选取的300幅站外乘客图片进行测试。测试结果表明:本文算法相比Tiny YOLO2原始人脸检测算法,召回率提高4.2%,单幅图片检测速度提高6.5%。同时在广泛使用的人脸检测算法评测数据集FDDB上进行测试,在误检数目为200的情况下,人脸检测准确率相比Tiny YOLO2平均提高5%,比SSD检测算法提高2%,而且本文算法能够在检测速度和精度之间取得较好的平衡,有较好的泛化性。 展开更多

关键词 人脸检测 地铁站外客流 TINY yolo2 卷积神经网络 Deep TINY yolo2

在线阅读 下载PDF 职称材料

基于YOLO2模型的冰箱食品管理系统的研究与设计 被引量：5

3

作者 刘琪琪 完玛扬措 +4 位作者 马福萍 锁志斌 武俊 参回能波 葛思彤 《科技风》 2020年第30期13-14,共2页

在忙碌的生活中,并非所有人对食品的存储都有着良好的习惯。这不仅会造成食物的浪费,还会导致人们(尤其是安全意识较低群体)误食过期食品,而引发安全问题。本文围绕如何有效解决冰箱的食品存储问题为核心,主要讲述了利用基于YOLO2模型的... 在忙碌的生活中,并非所有人对食品的存储都有着良好的习惯。这不仅会造成食物的浪费,还会导致人们(尤其是安全意识较低群体)误食过期食品,而引发安全问题。本文围绕如何有效解决冰箱的食品存储问题为核心,主要讲述了利用基于YOLO2模型的K210芯片,通过训练冰箱食物模型,实现冰箱食物的智能管理。 展开更多

关键词 yolo2 冰箱 K210

在线阅读 下载PDF 职称材料

基于TINY YOLO2神经网络视觉翻译棒

4

作者 刘潇元 任钊婷 杨晨 《电脑知识与技术》 2021年第15期182-183,189,共3页

2015年10月,AlphaGo在没有任何让子的情况下,以5:0的悬殊比分击溃欧洲围棋冠军樊麾二段。随即第二年六月战胜第一围棋手柯洁。人工智能初露锋芒,而在当今人工智能的发展下各个产业出现了新的转变,人脸识别,视网膜识别,虹膜识别,掌纹识别... 2015年10月,AlphaGo在没有任何让子的情况下,以5:0的悬殊比分击溃欧洲围棋冠军樊麾二段。随即第二年六月战胜第一围棋手柯洁。人工智能初露锋芒,而在当今人工智能的发展下各个产业出现了新的转变,人脸识别,视网膜识别,虹膜识别,掌纹识别,专家系统,无人驾驶,智能搜索,定理证明,博弈等人工智能逐渐改变着人们的生活,神经网络在图像处理的运用上更加广泛,常应用于车辆检测、目标分类识别。本项目意在通过YOLO2的剪枝算法TINY yolo2实现在嵌入式soc上进行目标检测达到图像转文字的目的。再尔,通过云服务实现文字转语音的服务。完成整个项目的目的,即图像转文字的过程,适用于幼儿教学市场。 展开更多

关键词 TINY yolo2 云服务 视觉翻译

在线阅读 下载PDF 职称材料

高能效目标检测硬件加速器设计

5

作者 谢玉东 林枫 +3 位作者 霍亮州 申志浩 陈鑫 张颖 《电子器件》 2025年第2期285-291,共7页

针对已有目标检测算法的硬件加速方案仍存在移植性差、功耗高、资源开销大等缺点,在对主流目标检测网络的模型参数、检测速度和性能之间进行权衡后,围绕更轻更快的YOLO Fastest-V2算法,设计实现了高性能低开销的目标检测加速器。首先,... 针对已有目标检测算法的硬件加速方案仍存在移植性差、功耗高、资源开销大等缺点,在对主流目标检测网络的模型参数、检测速度和性能之间进行权衡后,围绕更轻更快的YOLO Fastest-V2算法,设计实现了高性能低开销的目标检测加速器。首先,依次对YOLO Fastest-V2进行剪枝、训练和量化。接着,优化数据的访存方式,以及与其对应的卷积流水线设计。此外,提出了一种卷积并行度的动态设计策略,实现资源利用效率的最大化。最后,将所设计的网络在ZYNQ-MPSOC平台上进行性能测试。结果表明,在100 MHz的时钟频率下,加速器检测速度达到147 FPS,DSP使用283个,BRAM36kb使用125个,功耗为0.995 W,能效比达到147.74 FPS/W,高于现有目标检测加速器。 展开更多

关键词 目标检测 硬件加速 ZYNQ YOLO Fastest-V2

在线阅读 下载PDF 职称材料

基于Winograd算法的目标检测加速器设计与优化 被引量：2

6

作者 李斌 齐延荣 周清雷 《电子学报》 EI CAS CSCD 北大核心 2022年第10期2387-2397,共11页

卷积神经网络(Convolutional Neural Networks,CNN)已被广泛应用于图像处理领域.基于CNN的目标检测模型,如YOLO,已被证明在许多应用中是最先进的.CNN对计算能力和内存带宽要求极高,通常需要部署到专用硬件平台,FPGA因其高性能、低功耗... 卷积神经网络(Convolutional Neural Networks,CNN)已被广泛应用于图像处理领域.基于CNN的目标检测模型,如YOLO,已被证明在许多应用中是最先进的.CNN对计算能力和内存带宽要求极高,通常需要部署到专用硬件平台,FPGA因其高性能、低功耗和可重配置性成为CNN的有效硬件加速器.以往的基于FPGA的目标检测加速器主要采用传统卷积算法,然而,传统卷积算法的高运算复杂度限制了加速器的性能.基于此,本文设计了一种基于Winograd算法的目标检测加速器.考虑到各模块间的联系,采用模块融合策略融合卷积层和池化层模块,降低数据移动次数,减少片外存储器访问次数,提高加速器整体性能.以YOLO2模型为例,对数据访问模式、池化内核、参数重排序、数据通路优化进行分析设计,并部署在U280板卡上.实验结果表明,量化后mAP降低了0.96%,性能达249.65 GOP/s,是Xilinx官网所给数据的4.4倍. 展开更多

关键词 目标检测 FPGA Winograd算法 模块融合 yolo2

在线阅读 下载PDF 职称材料

简易无接触温度测量与身份识别装置

7

作者 任宇逍 詹毅 张飞周 《价值工程》 2021年第25期176-178,共3页

本系统采用STM32F103为无接触测温板块控制核心,搭配mlx90614测温模块,oled显示,来完成对人体和物体的分类测温,k210用做身份识别模块处理核心利用其搭载的双64核处理器以及kpu神经网络处理器,对采集数据进行神经卷积运算,身份算法方面... 本系统采用STM32F103为无接触测温板块控制核心,搭配mlx90614测温模块,oled显示,来完成对人体和物体的分类测温,k210用做身份识别模块处理核心利用其搭载的双64核处理器以及kpu神经网络处理器,对采集数据进行神经卷积运算,身份算法方面使用了mtcnn特征点采集算法,Haar人像分类器以及196维人脸比对模型来实现高精度人脸识别,口罩识别模块我们使用了自己训练的yolo2分类模型来实现口罩分类功能。 展开更多

关键词 STM32F103 mlx90614测温传感器 OLED显示 k210 HAAR mtcnn特征点采集 yolo2模型

在线阅读 下载PDF 职称材料

非接触式笼养蛋鸡核心体温检测方法 被引量：6

8

作者 严煜 盛哲雅 +3 位作者 谷月 衡一帆 周昊博 王树才 《农业机械学报》 EI CAS CSCD 北大核心 2024年第8期312-321,共10页

针对笼养条件下蛋鸡核心温度测量工作效率低下的问题,提出了一种利用红外热图像结合深度学习的蛋鸡核心温度检测方法。首先通过采集172只蛋鸡的10994幅红外热图像制作数据集,利用目标检测网络YOLO v8s提取作为感兴趣区域(Region of inte... 针对笼养条件下蛋鸡核心温度测量工作效率低下的问题,提出了一种利用红外热图像结合深度学习的蛋鸡核心温度检测方法。首先通过采集172只蛋鸡的10994幅红外热图像制作数据集,利用目标检测网络YOLO v8s提取作为感兴趣区域(Region of interest,ROI)的鸡脸图像;再利用改进的深度卷积神经网络对提取的蛋鸡ROI图像以及实时采集的蛋鸡泄殖腔温度进行回归预测。实验显示,目标检测算法的检测准确率达到99.38%,平均精度均值达到99.9%,召回率达到99.87%,3项评价指标均高于YOLO v4s、YOLO v5s、YOLO v7、YOLOX-s目标检测算法;在深度卷积神经网络算法上,同时将MobileNetV3、GhostNet、ShuffleNetV2、RegNet、ConvNeXt、Res2Net以及MobileVIT共7种分类模型修改为回归模型,利用蛋鸡ROI图像进行训练,其中,Res2Net模型对蛋鸡核心体温估测拟合效果最好,在测试集上估测的决定系数R^(2)为0.9565、调整后决定系数R^(2)_(adj)为0.95631,均高于其他回归模型;为进一步提高预测精度,在Res2Net50回归模型的Bottle2block结构之后分别插入SE(Squeeze-and-excitation)模块、CBAM(Convolutional block attention module)模块、CA(Coordinate attention)模块、ECA(Efficient channel attention)模块,其中利用CA模块改进后的算法在测试集上的R^(2)为0.97364、R^(2)_(adj)为0.97352,均高于其他改进方法;利用目标检测网络和回归网络搭建蛋鸡核心体温估测模型,对9只蛋鸡进行体温估测试验,结果显示ROI均能完整找出,且估测体温平均绝对误差(Mean absolute error,MAE)为0.153℃。因此,本研究提出的目标检测+深度神经网络模型为红外热图像下蛋鸡核心温度预测提供了较好的自动化检测方法。 展开更多

关键词 笼养蛋鸡 核心体温 YOLO v8s-Res2Net50 红外热成像

在线阅读 下载PDF 职称材料

基于深度卷积网络的中低速磁浮接触轨紧固件松动检测 被引量：1

9

作者 李程 陈健雄 +1 位作者 林军 康高强 《机车电传动》 北大核心 2022年第4期172-179,共8页

针对中低速磁浮接触轨紧固件松动的问题,提出一种基于卷积神经网络的检测算法。该算法对底座安装螺栓和连接板螺钉2种紧固件进行松动检测:首先定位接触轨紧固件所在区域,以此排除背景干扰;然后分析紧固件位置变动情况,实现接触轨紧固件... 针对中低速磁浮接触轨紧固件松动的问题,提出一种基于卷积神经网络的检测算法。该算法对底座安装螺栓和连接板螺钉2种紧固件进行松动检测:首先定位接触轨紧固件所在区域,以此排除背景干扰;然后分析紧固件位置变动情况,实现接触轨紧固件的松动检测。通过深度卷积网络对该算法进行了实现和试验验证:采用YOLO V2网络定位2种紧固件所在区域;利用Mask R-CNN网络同时对连接板边缘、绝缘子、螺栓和螺杆,以及连接板螺钉的头部进行分割;通过对分割部位的位置变动情况进行判断实现对紧固件的松动检测。使用长沙中低速磁浮接触轨数据对本文提出的缺陷检测算法进行了试验,底座安装螺栓和连接板螺钉松动检测的精确率均在90%以上,召回率在94%以上。试验结果表明,本文所提的方法能准确地识别出中低速磁浮接触轨松动的紧固件。 展开更多

关键词 中低速磁浮接触轨 紧固件松动 YOLO V2网络 Mask R-CNN网络 RADON变换

原文传递

基于FPGA的卷积神经网络加速器研究与设计 被引量：2

10

作者 夏春秋 陈世淼 《电子技术与软件工程》 2022年第20期170-177,共8页

本文针对Yolo v2目标检测卷积神经网络实现了基于Xilinx Virtex Ultrasale+VCU118的硬件加速,整体采用MCU+FPGA的异构计算架构,MCU采用ArmCortex-M3软核IP布局布线到FPGA开发板中。软件上完成了MCU读取大位宽RAM数据以及中断控制系统的... 本文针对Yolo v2目标检测卷积神经网络实现了基于Xilinx Virtex Ultrasale+VCU118的硬件加速,整体采用MCU+FPGA的异构计算架构,MCU采用ArmCortex-M3软核IP布局布线到FPGA开发板中。软件上完成了MCU读取大位宽RAM数据以及中断控制系统的设计,硬件上完成了Yolo v2网络前向传播模型中的卷积、ReLU非线性激活、最大池化等核心模块的设计。PE(Processing Engine)阵列借鉴了eyeriss阵列架构中的行固定流思想,通过精心设计阵列输入数据的格式,将多维卷积拆分成一维卷积,实现多输入特征图、多通道、多卷积核的通用性卷积计算,且利用Chisel3语言实现了一种高度参数化的卷积计算电路生成器,具有计算位宽可调、PE阵列规模可调、PE单元内部存储可调的特点。 展开更多

关键词 卷积神经网络 FPGA Yolo v2 Eyeriss

在线阅读 下载PDF 职称材料

Face Detection and Recognition Based on Deep Learning in the Monitoring Environment

11

作者 Chaoping Zhu Yi Yang 《国际计算机前沿大会会议论文集》 2018年第1期58-58,共1页

在线阅读 下载PDF 职称材料