期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向轻量化网络的安全帽检测算法
被引量：
20
1
作者
蒋
润
熙
阿里甫·库尔班
耿丽婷
《计算机工程与应用》
CSCD
北大核心
2021年第20期263-270,共8页
随着深度学习的发展,神经网络模型的体积越来越大,伴随而来的是参数量与计算量的增多,但实际安全帽检测环境下需要把网络模型部署在算力有限的移动端或嵌入式设备中,而这些设备无法支持复杂的计算量。针对这个问题,提出了一种适合部署...
随着深度学习的发展,神经网络模型的体积越来越大,伴随而来的是参数量与计算量的增多,但实际安全帽检测环境下需要把网络模型部署在算力有限的移动端或嵌入式设备中,而这些设备无法支持复杂的计算量。针对这个问题,提出了一种适合部署在移动设备的轻量级目标检测网络HourGlass-YOLO(HG-YOLO)。以YOLOv5为基础模型,基于Inverted Resblock结构重构了新的主干特征提取网络HourGlass;并使用通道剪枝技术,对BatchNormalization(BN)层进行稀疏训练,将权值较小的通道进行删减,在保证精度的情况下,减少模型的参数;融合卷积层和BN层来加快在CPU上的推理速度。实验结果表明HG-YOLO在保证精度的情况下,将YOLOv5模型的体积压缩87%、浮点数减少86%、参数量降低89%,相比SSD在检测速度上快了8.2倍,更适合实际工业场景中的部署。
展开更多
关键词
深度学习
目标检测
轻量化模型
剪枝
下载PDF
职称材料
改进SSD的可回收垃圾检测方法
被引量：
6
2
作者
耿丽婷
阿里甫·库尔班
+2 位作者
米娜瓦尔·阿不拉
丁培
蒋
润
熙
《计算机工程与应用》
CSCD
北大核心
2022年第23期293-299,共7页
目前我国可回收垃圾的回收利用主要依靠人工分拣的方式,造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用,提出了一个基于改进single shot multibox detector(SSD)算法的可回收垃圾检测器。针对模型参数量大,难以部署应...
目前我国可回收垃圾的回收利用主要依靠人工分拣的方式,造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用,提出了一个基于改进single shot multibox detector(SSD)算法的可回收垃圾检测器。针对模型参数量大,难以部署应用的问题,选用新的主干特征提取网络,引入轻量化的网络RepVGG替换SSD中的VGG16网络,同时采用结构重参数化的方式大幅减少参数量和计算量。修改SSD的辅助卷积层结构,进一步减少参数量。针对数据集尺寸变化大的问题,引入SK模块,自适应调整感受野的尺寸,提高检测精度。实验结果表明,改进的SSD模型在可回收垃圾检测任务上具有较好的检测精度和实时性,精度为95.23%,相较于原始SSD提升了4.33个百分点,检测速度可以达到64 FPS,因此该算法可以更好地应用于工业。
展开更多
关键词
可回收垃圾检测
SSD算法
结构重参数化
深度学习
下载PDF
职称材料
题名
面向轻量化网络的安全帽检测算法
被引量：
20
1
作者
蒋
润
熙
阿里甫·库尔班
耿丽婷
机构
新疆大学软件学院
出处
《计算机工程与应用》
CSCD
北大核心
2021年第20期263-270,共8页
基金
自治区自然科学基金(2021D01C082)。
文摘
随着深度学习的发展,神经网络模型的体积越来越大,伴随而来的是参数量与计算量的增多,但实际安全帽检测环境下需要把网络模型部署在算力有限的移动端或嵌入式设备中,而这些设备无法支持复杂的计算量。针对这个问题,提出了一种适合部署在移动设备的轻量级目标检测网络HourGlass-YOLO(HG-YOLO)。以YOLOv5为基础模型,基于Inverted Resblock结构重构了新的主干特征提取网络HourGlass;并使用通道剪枝技术,对BatchNormalization(BN)层进行稀疏训练,将权值较小的通道进行删减,在保证精度的情况下,减少模型的参数;融合卷积层和BN层来加快在CPU上的推理速度。实验结果表明HG-YOLO在保证精度的情况下,将YOLOv5模型的体积压缩87%、浮点数减少86%、参数量降低89%,相比SSD在检测速度上快了8.2倍,更适合实际工业场景中的部署。
关键词
深度学习
目标检测
轻量化模型
剪枝
Keywords
deep learning
target detection
lightweight model
pruning
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
改进SSD的可回收垃圾检测方法
被引量：
6
2
作者
耿丽婷
阿里甫·库尔班
米娜瓦尔·阿不拉
丁培
蒋
润
熙
机构
新疆大学软件学院
出处
《计算机工程与应用》
CSCD
北大核心
2022年第23期293-299,共7页
基金
新疆维吾尔自治区自然科学基金(2021D01C082)。
文摘
目前我国可回收垃圾的回收利用主要依靠人工分拣的方式,造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用,提出了一个基于改进single shot multibox detector(SSD)算法的可回收垃圾检测器。针对模型参数量大,难以部署应用的问题,选用新的主干特征提取网络,引入轻量化的网络RepVGG替换SSD中的VGG16网络,同时采用结构重参数化的方式大幅减少参数量和计算量。修改SSD的辅助卷积层结构,进一步减少参数量。针对数据集尺寸变化大的问题,引入SK模块,自适应调整感受野的尺寸,提高检测精度。实验结果表明,改进的SSD模型在可回收垃圾检测任务上具有较好的检测精度和实时性,精度为95.23%,相较于原始SSD提升了4.33个百分点,检测速度可以达到64 FPS,因此该算法可以更好地应用于工业。
关键词
可回收垃圾检测
SSD算法
结构重参数化
深度学习
Keywords
recyclable garbage detection
single shot multibox detector(SSD)
structural re-parameterization
deep learning
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向轻量化网络的安全帽检测算法
蒋
润
熙
阿里甫·库尔班
耿丽婷
《计算机工程与应用》
CSCD
北大核心
2021
20
下载PDF
职称材料
2
改进SSD的可回收垃圾检测方法
耿丽婷
阿里甫·库尔班
米娜瓦尔·阿不拉
丁培
蒋
润
熙
《计算机工程与应用》
CSCD
北大核心
2022
6
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
