期刊文献+
共找到26篇文章
< 1 2 >
每页显示 20 50 100
融合MobileNetv3的轻量级YOLOv8钢材表面缺陷检测
1
作者 胡名琪 陈辉明 +2 位作者 徐伟 郭诚君 刘秋明 《科学技术与工程》 北大核心 2025年第16期6831-6840,共10页
针对钢材表面缺陷人工检测成本高昂、检测精度不高,以及传统的目标检测方法模型复杂,导致对终端检测设备的计算资源要求较高等问题,融合MobileNetv3轻量化YOLOv8算法提出一种轻量级缺陷检测算法YOLOv8n-MDC。首先,以YOLOv8n为基础,将YOL... 针对钢材表面缺陷人工检测成本高昂、检测精度不高,以及传统的目标检测方法模型复杂,导致对终端检测设备的计算资源要求较高等问题,融合MobileNetv3轻量化YOLOv8算法提出一种轻量级缺陷检测算法YOLOv8n-MDC。首先,以YOLOv8n为基础,将YOLOv8n的自带IoU(intersection over union)候选框损失函数替换成WIoU(weighted IoU)函数,通过增添非单调聚焦机制,提高模型的鲁棒性。其次,使用MobileNetv3网络替换YOLOv8n的骨干特征提取网络模块,将轻量级网络用于特征提取端降低网络复杂度,减少冗余开销。最后,在特征融合阶段使用DW卷积和C3Ghost模块对原网络的相应模块进行替换,使改进后的网络减少模型参数,进一步提升检测速度。使用钢材表面缺陷数据集NEU-DET进行模型验证,YOLOv8n-MDC模型mAP达81.3%,较YOLOv8n模型提升5%;参数量与计算量分别为1.02 M和2.1 GFLOPs,仅为原模型的33.9%和25.9%,达到工业要求。提出的轻量级算法在保证检测精度提升的同时大大降低了算法的复杂度和计算资源的开销,为钢材表面缺陷检测提供了一个优化思路。 展开更多
关键词 钢材表面缺陷 缺陷检测 轻量级网络 YOLOv8 mobilenetv3
在线阅读 下载PDF
面向高价值目标识别的SKConv-MobileNetV3改进
2
作者 郑鹏 程云 +2 位作者 刘波 叶晨浩 王石杰 《指挥控制与仿真》 2025年第5期42-48,共7页
高价值目标识别通常要求较高的时效性和准确度,传统深度卷积神经网络参数量庞大导致大量应用场景受限。因此,提出了基于SKConv-MobileNetV3的高价值目标识别方法,通过在MobileNetV3卷积层的输出特征图加权融合SKConv卷积核的识别结果,... 高价值目标识别通常要求较高的时效性和准确度,传统深度卷积神经网络参数量庞大导致大量应用场景受限。因此,提出了基于SKConv-MobileNetV3的高价值目标识别方法,通过在MobileNetV3卷积层的输出特征图加权融合SKConv卷积核的识别结果,利用注意力机制来选择最相关的图片内容进行特征提取,在参数数量不变的前提下,提高了SKConv-MobileNetV3模型对特征信息的提取能力,同时提升了学习效率和识别准确率。基于以上算法改进和优化,在NWPU-RESISC45数据集中选取了具有强相关性的7种高价值目标进行了测试,结果表明,与MobileNetV2相比准确率提升了7.01%,与MobileNetV3相比准确率提升了4.08%,能够较好地提升混合战场环境中的高价值目标识别精度。 展开更多
关键词 计算机应用 目标识别 轻量级网络 mobilenetv3 自适应选择性卷积
在线阅读 下载PDF
基于MobileNetV3的植物叶片识别系统 被引量:1
3
作者 张柔绮 赵家松 严伟榆 《云南民族大学学报(自然科学版)》 CAS 2024年第4期496-504,共9页
针对现有植物叶片识别研究存在的模型泛化性差的问题,本文设计一个基于MobileNetV3-Large网络和迁移学习的植物叶片识别系统.通过自采集图像补充数据和使用图像锐化、翻转、亮度增强等方法构建了包含32种植物的大规模叶片数据集,以Mobil... 针对现有植物叶片识别研究存在的模型泛化性差的问题,本文设计一个基于MobileNetV3-Large网络和迁移学习的植物叶片识别系统.通过自采集图像补充数据和使用图像锐化、翻转、亮度增强等方法构建了包含32种植物的大规模叶片数据集,以MobileNetV3-Large网络和预训练权重为前提,寻找最佳超参数完成模型的迁移学习,对32种植物叶片进行特征提取和分类.通过PyQt5的前后端部署,该方法被实例化为一个实用性强的植物叶片识别系统.在测试集上的实验结果表明,MobileNetV3-Large达到98.45%的识别准确率,与AlexNet、ResNet和MobileNetV2相比分别提高12.46%、1.09%和9.62%,有效弥补了模型泛化性差的短板.该系统对32类植物的叶片的识别效果颇佳,满足各种场景下的植物叶片种类识别的需求. 展开更多
关键词 轻量级卷积神经网络 mobilenetv3-Large 迁移学习 系统设计 植物叶片识别
在线阅读 下载PDF
基于MobileNetV3-SVDD的雷达信号调制方式开集识别 被引量:9
4
作者 肖易寒 李航 +1 位作者 于祥祯 宋柯 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2022年第8期1178-1185,共8页
针对常见雷达信号调制方式识别方法无法识别未知调制方式的问题,本文提出了一种基于MobileNetV3-SVDD的雷达信号调制方式开集识别方法。将不同调制方式的雷达信号转换成时频图像,使用轻量级深度神经网络MobileNetV3网络提取图像特征。... 针对常见雷达信号调制方式识别方法无法识别未知调制方式的问题,本文提出了一种基于MobileNetV3-SVDD的雷达信号调制方式开集识别方法。将不同调制方式的雷达信号转换成时频图像,使用轻量级深度神经网络MobileNetV3网络提取图像特征。基于一类分类器SVDD构建调制方式超球体来测试识别在训练中未出现过的未知调制方式,完成了对雷达信号调制方式的开集识别。实验结果表明:该方法在信噪比等于8 dB时,已知调制方式识别率均达到100%,未知调制方式识别率均达到95%以上,实现了对未知调制方式的有效分类识别。 展开更多
关键词 调制方式识别 开集识别 时频分析 崔-威廉斯分布 轻量级深度神经网络 mobilenetv3 一类分类器 支持向量数据描述
在线阅读 下载PDF
基于改进型RFB-MobileNetV3的棉杂图像检测 被引量:7
5
作者 徐健 胡道杰 +2 位作者 刘秀平 韩琳 闫焕营 《纺织学报》 EI CAS CSCD 北大核心 2023年第1期179-187,共9页
针对深度卷积神经网络模型复杂导致嵌入式设备难以满足实时在线检测的问题,提出改进型RFB-MobileNetV3(RFB-MNV3)的棉杂检测方法。首先,根据高精度轻量化网络模型的构建和保证检测准确率高的前提下,减少MNV3冗余网络结构;其次,将3×... 针对深度卷积神经网络模型复杂导致嵌入式设备难以满足实时在线检测的问题,提出改进型RFB-MobileNetV3(RFB-MNV3)的棉杂检测方法。首先,根据高精度轻量化网络模型的构建和保证检测准确率高的前提下,减少MNV3冗余网络结构;其次,将3×3卷积层取代5×5卷积层,1×3+3×1卷积层折叠取代3×3卷积层作为改进型感受野(RFB)模块部署到改进型MNV3的池化层中,以提升棉杂的在线检测速度和准确率;最后,将改进前后的算法与其它检测算法进行比较。结果表明,改进型RFB-MNV3算法的单张检测速度可达到0.02 s,在线检测平均准确率达到89.05%。通过对MNV3网络结构进行改进,在保证高检测准确率的前提下,可满足嵌入式设备在线棉杂检测的需求。 展开更多
关键词 RFB-mobilenetv3 棉杂 在线检测 网络结构 轻量化模型 图像检测
在线阅读 下载PDF
一种基于卷积神经网络的轻量级焊缝缺陷识别算法 被引量:1
6
作者 徐飞虎 李丹 赵文杰 《安徽工业大学学报(自然科学版)》 2025年第3期298-305,共8页
针对传统焊缝缺陷检测方法在处理大量工业数据时存在识别效率和准确率低的问题,提出一种基于卷积神经网络的轻量级焊缝缺陷识别算法。该算法在原MobileNetV3基础上引入fire模块以减小参数量,并结合通道注意力(ECA)模块增强特征通道学习... 针对传统焊缝缺陷检测方法在处理大量工业数据时存在识别效率和准确率低的问题,提出一种基于卷积神经网络的轻量级焊缝缺陷识别算法。该算法在原MobileNetV3基础上引入fire模块以减小参数量,并结合通道注意力(ECA)模块增强特征通道学习能力,从而优化计算资源分配并提升特征提取性能。为验证所提算法的有效性,将其与常见分类模型算法在焊缝缺陷测试数据集上进行对比实验。结果表明:相比于其他分类模型算法,所提算法在fire模块的轻量化设计和ECA模块的特征增强双重作用下,对工业场景中常见的凹陷、孔洞、毛刺等缺陷的平均识别准确率达98.50%,较原算法显著提升。同时,改进的MobileNetv3算法在保持较高识别准确率的情况下,模型参数量和浮点运算量显著降低,使其适合部署在计算资源有限的工业检测设备上。本文研究为智能制造领域的实时质量检测提供了切实可行的解决方案。 展开更多
关键词 焊缝缺陷 卷积神经网络 mobilenetv3 fire模块 ECA模块 轻量级 智能识别
在线阅读 下载PDF
融合MobileNetV3特征的结构化剪枝方法 被引量:10
7
作者 刘宇 雷雪梅 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第9期1203-1213,共11页
传统的深度神经网络由于计算量和内存占用庞大,难以部署到嵌入式平台中发挥实用价值,所以轻量级的深度神经网络得到快速发展.其中,谷歌提出的轻量级架构MobileNet具有广泛的应用.为了进一步提高性能,MobileNet的模型由MobileNetV1发展到... 传统的深度神经网络由于计算量和内存占用庞大,难以部署到嵌入式平台中发挥实用价值,所以轻量级的深度神经网络得到快速发展.其中,谷歌提出的轻量级架构MobileNet具有广泛的应用.为了进一步提高性能,MobileNet的模型由MobileNetV1发展到MobileNetV3,但模型变得更为复杂,导致其规模不断扩大,难以发挥轻量级模型的优势.为了在能保持MobileNetV3性能的前提下,降低部署于嵌入式平台的难度,提出一种融合MobileNetV3特征的结构化剪枝方法,对MobileNetV3-Large模型进行裁剪,得到一个更加紧凑的模型.首先对模型进行稀疏正则化训练,得到一个较为稀疏的网络模型;然后使用卷积层的稀疏值和批量归一化层的缩放系数的乘积判别冗余滤波器对其进行结构化剪枝,并在CIFAR-10和CIFAR-100数据集上进行实验.实验结果表明:提出的压缩方法可以有效压缩模型参数,并且压缩后模型仍然能保证良好性能;在准确率不变的前提下,CIFAR-10上模型的参数量减少44.5%,且计算量减少40%. 展开更多
关键词 深度神经网络 轻量级模型 结构化剪枝 mobilenetv3
在线阅读 下载PDF
基于深度迁移网络MobileNetV3的地形识别 被引量:5
8
作者 姚燕 胡立坤 郭军 《广西大学学报(自然科学版)》 CAS 北大核心 2021年第4期996-1007,共12页
传统地形识别算法,主要建立在人工提取特征和训练分类器的前提上,其通用能力有限且准确度不高,或者需要大量的数据集训练基础,这种方法训练的网络模型参数较大且预测耗时较长,不利于移植到移动端。因此,运用迁移学习思想,提出了一种基... 传统地形识别算法,主要建立在人工提取特征和训练分类器的前提上,其通用能力有限且准确度不高,或者需要大量的数据集训练基础,这种方法训练的网络模型参数较大且预测耗时较长,不利于移植到移动端。因此,运用迁移学习思想,提出了一种基于深度迁移网络的地形识别算法。采用轻量级卷积神经网络MobileNetV3,在爬虫获取和自建适量数据集基础上,对神经网络进行迁移学习。首先,采用图像分类数据集ImageNet上的预训练成果,根据预训练模型权重对MobileNetV3网络进行初始化,实现对模型大规模共享参数的迁移;然后,通过在自建数据集GXU-Terrain6上进行新的训练,微调模型参数,进而得到新的分类模型;最后,利用训练好的模型对地形类别进行预测,从而完成识别任务。提出算法在GXU-Terrain6测试集上取得了93.00%的平均预测准确率。实验结果表明,基于深度迁移的地形识别算法运用较少数据,可获得较高的识别准确率,网络实时性好,适合向移动端移植。 展开更多
关键词 地形识别 迁移学习 mobilenetv3 轻量级网络 移动端
在线阅读 下载PDF
基于改进YOLOv7-DeepSort的红外视频多目标跟踪 被引量:2
9
作者 宫华 张众垚 +1 位作者 胡雨桐 刘芳 《沈阳理工大学学报》 CAS 2024年第6期20-27,共8页
针对红外图像纹理弱及多目标遮挡导致跟踪精度低的问题,构建了基于改进YOLOv7模型和多目标跟踪算法DeepSort的融合红外目标跟踪模型MSB-YOLOv7-DeepSort。采用SE(squeeze and excitation)通道注意力机制和双向特征金字塔网络提高红外目... 针对红外图像纹理弱及多目标遮挡导致跟踪精度低的问题,构建了基于改进YOLOv7模型和多目标跟踪算法DeepSort的融合红外目标跟踪模型MSB-YOLOv7-DeepSort。采用SE(squeeze and excitation)通道注意力机制和双向特征金字塔网络提高红外目标的特征提取质量;利用轻量化网络MobileNetV3替换YOLOv7骨干网络,提升融合模型的推理速度。实验结果表明,MSB-YOLOv7-DeepSort模型在跟踪准确度、跟踪精确度、正确目标跟踪比例和帧率等方面均具有较好的性能。 展开更多
关键词 红外目标跟踪 YOLOv7 轻量化 SE注意力机制 mobilenetv3 双向特征金字塔网络
在线阅读 下载PDF
基于SAMNV3的滚动轴承智能故障诊断方法
10
作者 张兰昕 向玲 +1 位作者 李显泽 陈锦鹏 《计算机科学》 CSCD 北大核心 2024年第S01期1115-1120,共6页
滚动轴承是机械设备的关键部件,为了对滚动轴承的故障类别进行有效识别,提出了一种融合自注意力机制(Self-Attention,SA)和轻量级网络MobileNetV3的SAMNV3滚动轴承智能故障诊断模型。利用该模型中自注意力机制对特征进行自适应加权的优... 滚动轴承是机械设备的关键部件,为了对滚动轴承的故障类别进行有效识别,提出了一种融合自注意力机制(Self-Attention,SA)和轻量级网络MobileNetV3的SAMNV3滚动轴承智能故障诊断模型。利用该模型中自注意力机制对特征进行自适应加权的优点以及轻量级网络MobileNetV3体积较小的优点,通过直接将两个不同数据集的原始振动信号输入SAMNV3模型中,进行故障的特征提取与识别分类,从而实现端到端的滚动轴承智能故障诊断。在两种不同的数据集上进行验证,结果表明该模型具有较高的准确率和较低的计算复杂度,可以有效提高滚动轴承故障诊断的准确性和可靠性。 展开更多
关键词 滚动轴承 智能故障诊断 自注意力机制 轻量级网络 mobilenetv3
在线阅读 下载PDF
基于MDS-YOLO模型的小目标检测问题研究
11
作者 朱恩文 梁曌 +1 位作者 肖进文 梁小林 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第12期78-86,共9页
针对目前主流算法对小目标检测存在计算量大与准确率较低的问题,本文以轻量级网络MobileNetV3代替YOLOv4中的主干网络,并将颈部网络中的一部分普通卷积用深度可分离卷积替代,同时针对小目标检测定义一个新的损失函数IF-EIoU Loss,由此... 针对目前主流算法对小目标检测存在计算量大与准确率较低的问题,本文以轻量级网络MobileNetV3代替YOLOv4中的主干网络,并将颈部网络中的一部分普通卷积用深度可分离卷积替代,同时针对小目标检测定义一个新的损失函数IF-EIoU Loss,由此构建了MDSYOLO目标检测模型.该模型具有较高的检测速度,且针对小目标具有较好的检测性能.为了验证模型的有效性,分别在MS COCO数据集和Visdrone2019数据集上进行了实验.与YOLOv4算法相比,在MS COCO数据集上,MDS-YOLO算法的平均检测精度提升了1.5个百分点,对于小目标的检测精度提升了3.3个百分点,检测速度也从31帧/s提升至36帧/s;在Visdrone2019数据集上,MDS-YOLO算法将平均检测精度从YOLOv4的14.9%提升至16.3%.实验结果表明,本文提出的MDS-YOLO算法能有效提升小目标检测精度. 展开更多
关键词 小目标检测 YOLOv4算法 轻量级网络mobilenetv3 IF-EIoU Loss MS COCO数据集
在线阅读 下载PDF
基于改进的RetinaFace快速单一人脸检测算法研究
12
作者 胡胜林 丁健 +1 位作者 张火强 汪慧 《黑龙江工业学院学报(综合版)》 2024年第4期82-88,共7页
在一些特殊的场景中需要进行快速单一的人脸检测,例如身份认证、人脸追踪、疲劳驾驶检测等。针对此类情况,通过研究分析轻量级网络,提出一种基于RetinaFace的检测方法。首先,选用高效的轻量级网络MobileNetV3搭建主干网络;其次,在主干... 在一些特殊的场景中需要进行快速单一的人脸检测,例如身份认证、人脸追踪、疲劳驾驶检测等。针对此类情况,通过研究分析轻量级网络,提出一种基于RetinaFace的检测方法。首先,选用高效的轻量级网络MobileNetV3搭建主干网络;其次,在主干网络与FPN层之间融入ECANet网络架构加强特征提取能力;最后,对FPN层进行调整以提高检测速度。实验结果表明,改进后的算法模型在WiderFace简单和中等程度子集上的平均精度分别提高了3.6%和5.7%,检测速度提高了21.6%和13.1%。 展开更多
关键词 人脸检测 轻量级网络 RetinaFace mobilenetv3 ECANet FPN
在线阅读 下载PDF
改进的YOLOv5蛋类缺陷自动检测模型 被引量:5
13
作者 姚学峰 李超 《食品与机械》 北大核心 2022年第11期155-159,183,共6页
目的:解决现有蛋类缺陷图像自动检测方法存在的检测效率低、精度差等问题。方法:在蛋类检测系统的基础上,提出一种改进的YOLOv5自动检测模型。将轻量级网络MobileNetv3添加到YOLOv5模型中,以降低模型复杂度,删除颈部网络和输出端小目标... 目的:解决现有蛋类缺陷图像自动检测方法存在的检测效率低、精度差等问题。方法:在蛋类检测系统的基础上,提出一种改进的YOLOv5自动检测模型。将轻量级网络MobileNetv3添加到YOLOv5模型中,以降低模型复杂度,删除颈部网络和输出端小目标检测。结果:与传统的控制方法相比,该方法能够更准确、高效地实现蛋类目标表面缺陷检测,复杂度降低了35%以上,单幅图像的检测时间为14.25 ms,检测准确率>95%,满足食品缺陷检测的需要。结论:改进的YOLOv5检测模型可以有效提高蛋类缺陷检测效率。 展开更多
关键词 蛋类缺陷 自动检测 YOLOv5 mobilenetv3网络 轻量化网络
在线阅读 下载PDF
基于无锚的轻量化孪生网络目标跟踪算法 被引量:4
14
作者 丁贵鹏 陶钢 +2 位作者 庞春桥 王小峰 段桂茹 《吉林大学学报(理学版)》 CAS 北大核心 2023年第4期890-898,共9页
针对运算资源受限条件下难以实现高精度、高帧率跟踪的问题,提出一种基于无锚的轻量化孪生网络目标跟踪算法.首先使用修改的轻量级网络MobileNetV 3作为主干网络提取特征,在保持深度特征表达能力的同时减小网络的参数量和计算量;然后对... 针对运算资源受限条件下难以实现高精度、高帧率跟踪的问题,提出一种基于无锚的轻量化孪生网络目标跟踪算法.首先使用修改的轻量级网络MobileNetV 3作为主干网络提取特征,在保持深度特征表达能力的同时减小网络的参数量和计算量;然后对传统互相关操作,提出图级联优化的深度互相关模块,通过丰富特征响应图突出目标特征重要信息;最后在无锚分类回归预测网络中,采用特征共享方式减少参数量和计算量以提升跟踪速度.在两个主流数据集OTB2015和VOT2018上进行对比实验,实验结果表明,该算法相比于SiamFC跟踪器有较大的精度优势,并且在复杂跟踪场景下更具鲁棒性,同时跟踪帧率可达175帧/s. 展开更多
关键词 目标跟踪 孪生网络 轻量级网络mobilenetv3 互相关模块 无锚
在线阅读 下载PDF
基于改进YOLOv4的轻量级车辆检测方法 被引量:5
15
作者 李奇武 杨小军 《计算机技术与发展》 2023年第1期42-48,共7页
道路车辆检测是智能交通管控的重要组成部分。针对现有车辆检测算法模型容量大、参数数量较多、占用内存多,难以在智能交通监控场景中适用于算力和内存均有限的边缘设备的问题,提出一种改进YOLOv4的轻量化车辆检测方法MC-YOLO。为了减... 道路车辆检测是智能交通管控的重要组成部分。针对现有车辆检测算法模型容量大、参数数量较多、占用内存多,难以在智能交通监控场景中适用于算力和内存均有限的边缘设备的问题,提出一种改进YOLOv4的轻量化车辆检测方法MC-YOLO。为了减少算法的参数量,把YOLOv4网络模型压缩到合适的大小,对网络的部分结构做了针对性的设计:保留原YOLOv4的主干网以外的其余模块,将YOLOv4的主干CSPDarknet53替换为MobileNetV3使其轻量化;另外,为了弥补主干网络轻量化导致的车辆检测效果的下降,在检测网络的骨干和加强特征提取部分之间插入CBAM模块,提升车辆检测模型的性能。实验结果表明,经过改进的车辆检测算法在UA-DETRAC数据集上体现了良好的性能,平均精度与原YOLOv4算法相近,模型在参数量上比原YOLOv4模型减少了约77%,模型大小仅为55.3 MB,较原YOLOv4模型减少了约190 MB。改进后的车辆检测算法在模型轻量化的同时不仅能够保证较高的检测精度,而且能够满足在算力资源有限的边缘设备进行实时性车辆检测的需求。 展开更多
关键词 车辆检测 轻量化网络 YOLOv4 mobilenetv3 CBAM
在线阅读 下载PDF
基于轻量化YOLOv4的轮毂内部缺陷检测算法 被引量:2
16
作者 范涛 王明泉 +2 位作者 张俊生 曹鹏娟 朱榕榕 《机械与电子》 2023年第2期3-7,12,共6页
为解决常规深度学习方法检测轮毂内部缺陷存在模型尺寸大、参数多和精度低等问题,提出一种轻量化YOLOv4的轮毂内部缺陷检测算法。该算法采用MobileNetV3替换YOLOv4的主干特征提取网络,并利用深度可分离卷积模块对YOLOv4的PANet(path agg... 为解决常规深度学习方法检测轮毂内部缺陷存在模型尺寸大、参数多和精度低等问题,提出一种轻量化YOLOv4的轮毂内部缺陷检测算法。该算法采用MobileNetV3替换YOLOv4的主干特征提取网络,并利用深度可分离卷积模块对YOLOv4的PANet(path aggregation network)模块中的传统卷积进行了替换。同时,在PANet特征加强网络中加入通道注意力机制(SE)模块,提高了轮毂内部缺陷目标的识别精度。测试结果表明,所提算法检测精度为90.23%,权值文件为45.2 MB,检测速率为68.38帧/s。相较于常规模型性能有所提升,更适用于轮毂内部缺陷的快速、准确检测。 展开更多
关键词 目标检测 YOLOv4 mobilenetv3 轻量化网络 通道注意力机制
在线阅读 下载PDF
基于深度学习的绝缘子缺失检测方法研究 被引量:11
17
作者 乔路丽 蔺雨桐 +2 位作者 李静 管宽岐 张楠楠 《电网与清洁能源》 北大核心 2022年第10期44-50,共7页
绝缘子缺陷严重影响输电线路安全,航拍图像绝缘子缺失的有效识别是无人机线路巡检。提出一种轻量级网络的绝缘子缺失检测模型,使用轻量级网络MobileNetV3替换YOLOv4模型的CSPDarknet53网络。以分割性能和计算速度为判据,综合分析比较了Y... 绝缘子缺陷严重影响输电线路安全,航拍图像绝缘子缺失的有效识别是无人机线路巡检。提出一种轻量级网络的绝缘子缺失检测模型,使用轻量级网络MobileNetV3替换YOLOv4模型的CSPDarknet53网络。以分割性能和计算速度为判据,综合分析比较了YOLOv4模型和使用轻量型网络对其主干网络替换后的模型在绝缘子缺失检测上的性能,实验结果表明:筛选的YOLOv4-MobileNetV3轻量级网络绝缘子缺失检测模型能够准确定位图像中单、多目标绝缘子;改进后YOLOv4-MobileNetV3检测模型比原模型的体积减少了78%,FPS提升了4.85 f/s,而mAP仅降低0.6%。提出的绝缘子缺失检测方法能够满足无人机电力线路巡检的需求。 展开更多
关键词 绝缘子缺失检测 深度学习 轻量型网络 YOLOv4-mobilenetv3模型
在线阅读 下载PDF
基于轻量级GAN的实时视频图像去模糊模型 被引量:1
18
作者 贾凡 张英俊 谢斌红 《计算机系统应用》 2021年第10期31-39,共9页
由于手持拍摄设备抖动或目标运动等原因,使得视频图像资料产生运动模糊问题,降低了人类的感知质量.针对该问题从原来如何处理得到清晰图像,到现在如何高效快捷的获得清晰图像,提出了一种基于轻量级GAN(Generative Adversarial Network)... 由于手持拍摄设备抖动或目标运动等原因,使得视频图像资料产生运动模糊问题,降低了人类的感知质量.针对该问题从原来如何处理得到清晰图像,到现在如何高效快捷的获得清晰图像,提出了一种基于轻量级GAN(Generative Adversarial Network)的实时视频图像去模糊新模型.该模型通过定义PatchGAN作为判别网络,并在其基础上设置了全局图像和局部特征的双尺度判别器;生成网络以轻量级MobileNetV3为主干网并引入特征金字塔进行特征提取,以解决判别网络中特征信息利用率低以及生成网络推理效率慢的问题.该模型采用端到端的方式对视频图像进行快速高效去模糊.经过在GoPro和Kohler数据集上进行实验,结果表明该模型去模糊后的锐利图像具有较高的峰值信噪比和结构相似度,同时比其他模型的推理速度提高了1.7–127倍. 展开更多
关键词 实时视频图像去模糊 轻量级 GAN 特征金字塔 mobilenetv3
在线阅读 下载PDF
基于YOLOv4优化的轻量级无人机障碍物检测方法 被引量:8
19
作者 白俊卿 张文静 《电子测量技术》 北大核心 2022年第22期87-91,共5页
无人机平台内存小、计算资源有限。针对经典检测方法的网络结构复杂、检测速度慢等问题,提出一种基于轻量化的实时检测方法。首先,将轻量化模型MobileNetv3代替CSPDarknet53作为主干网络并融合有效通道注意力机制从而减小模型内存占用... 无人机平台内存小、计算资源有限。针对经典检测方法的网络结构复杂、检测速度慢等问题,提出一种基于轻量化的实时检测方法。首先,将轻量化模型MobileNetv3代替CSPDarknet53作为主干网络并融合有效通道注意力机制从而减小模型内存占用。其次,引入残差结构融合模块RFM,增强网络的特征提取能力。为了进一步提高障碍物检测的泛化能力和算法的收敛速度,采用Control Distance-IOU损失函数替换CIOU损失函数进行网络训练。实验结果表明,在与原模型检测效果基本相同的情况下,改进后的模型内存占比减少了80%仅39.5M,FPS提高了168%达到49.21帧/s。 展开更多
关键词 YOLOv4 轻量化mobilenetv3网络 ECA 障碍物检测 残差结构
原文传递
面向嵌入式平台的轻量化神经网络手势识别方法 被引量:12
20
作者 杨晨奕 何玉青 +1 位作者 赵俊媛 李国荣 《强激光与粒子束》 CAS CSCD 北大核心 2022年第3期138-146,共9页
针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题,基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制,常用的目标检测神经网络在嵌... 针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题,基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制,常用的目标检测神经网络在嵌入式上的识别速度较低,不能满足实时手势识别的要求。在SSD目标检测的基础上对其进行优化,使用MobileNetv3网络实现特征提取,目标检测方面则是使用SSD-lite结构,其使用深度可分离卷积替代普通卷积,实现了轻量化MobileNetv3-SSDLite手势识别算法的设计。针对手势识别的要求,制作了包含不同手势的数据集,利用它在服务器上完成了模型的训练。为了满足嵌入式的算力限制,通过模型的量化压缩将float64的网络参数量化为int8,并压缩网络结构,提高网络在嵌入式上的推理速度,实现基于嵌入式的手势识别。实验结果表明,基于嵌入式的MobileNetv3-SSDLite手势识别算法可以达到平均准确率99.61%,且识别速度达到每秒50帧以上,满足实时手势识别的要求。 展开更多
关键词 手势识别 深度神经网络 嵌入式 轻量化 MobileNev3-SSDLite
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部