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：
基于气液逸出物图像识别的锂离子电池火灾早期预警 被引量：10
1
作者 唐文杰 姜欣 +1 位作者 刘昊琰 金阳 《高电压技术》 EI CAS CSCD 北大核心 2022年第8期3295-3304,共10页
锂离子电池在事故条件(过充、短路等)下会在安全阀处喷出气液逸出物,其中包含大量可见的白色汽化电解液以及部分无色气体,有效识别白色汽化电解液并发出预警可大大降低储能电站火灾甚至爆炸的风险。为此,提出了一种基于气液逸出物图像... 锂离子电池在事故条件(过充、短路等)下会在安全阀处喷出气液逸出物,其中包含大量可见的白色汽化电解液以及部分无色气体,有效识别白色汽化电解液并发出预警可大大降低储能电站火灾甚至爆炸的风险。为此,提出了一种基于气液逸出物图像识别的锂离子电池火灾早期预警方法。以YOLOv3算法为基础,同时考虑到锂离子电池储能舱快速、精确识别的安全性需求,将算法中的原始Darknet53特征提取网络替换成轻量级Re XNet特征提取网络;此外,利用K-means聚类算法得到适宜的初始化锚框,加快模型的收敛速度,并结合路径聚合网络进行多尺度特征融合提升模型的检测精度,使模型对大目标和小目标均能达到良好的识别效果。实验结果显示:该方法在对实际锂离子电池储能舱汽化电解液进行识别时表现出了良好的效果,在GTX1650显卡上测试的模型预测速度可以达到每秒65帧,平均精确度均值达到83.65%,基本满足实际应用需要。研究结果对于进一步提升锂离子电池储能电站的安全性及推动电化学储能的健康发展具有一定的参考价值。 展开更多
关键词 锂离子电池 目标检测 多尺度特征融合 rexnet 汽化电解液 储能电站 火灾
下载PDF
融合YOLO v3与改进ReXNet的手势识别方法研究 被引量：1
2
作者 魏小玉 焦良葆 +2 位作者 刘子恒 汤博宇 孟琳 《计算机测量与控制》 2023年第7期278-283,289,共7页
工程应用中的手势识别需要较高的实时性和准确性,而现场环境通常无法提供足够的计算能力,采用轻量化神经网络在解决了上述问题的同时,还能达到与深度神经网络相当的识别效果;为此,提出一种基于改进轻量化神经网络的手势识别方法;该方法... 工程应用中的手势识别需要较高的实时性和准确性,而现场环境通常无法提供足够的计算能力,采用轻量化神经网络在解决了上述问题的同时,还能达到与深度神经网络相当的识别效果;为此,提出一种基于改进轻量化神经网络的手势识别方法;该方法改进用于手部关键点检测的ReXNet网络结构,以改善骨骼点的局部关注;同时将关键点检测损失函数MSE替换为Huber loss,以提升离群点的抗干扰性;实验环境搭建基于普通单目镜头捕获图像后,经YOLO v3手部识别模型和改进的ReXNet关键点检测模型,并根据约束手部骨骼关键点的向量角而定义的不同手势,最后达到实时检测的效果;改进模型在RWTH公开数据集上的测试结果表明,改进后的手势识别方法的检测准确度较改进前整体提升2.62%,达到了96.18%,且收敛速度更快。 展开更多
关键词 手势识别 关键点检测 YOLO v3 rexnet Ghost Module
下载PDF
基于深度学习的手势识别研究
3
作者 崔兆文 刘肖飞 +2 位作者 夏诗楠 王旭亚 瞿竟 《传感器技术与应用》 2024年第4期570-578,共9页
本文提出了一种基于深度学习的手势识别系统,该系统利用YOLO捕获手部信息,利用ReXNet捕捉手部21个关键点,利用ResNet-50实现对手势进行分类。试验结果表明,YOLOv5可以准确地将手部信息提取出来,准确度达98.5%;ReXNet捕捉手部21个关键点... 本文提出了一种基于深度学习的手势识别系统,该系统利用YOLO捕获手部信息,利用ReXNet捕捉手部21个关键点,利用ResNet-50实现对手势进行分类。试验结果表明,YOLOv5可以准确地将手部信息提取出来,准确度达98.5%;ReXNet捕捉手部21个关键点的准确度达97.2%;ResNet-50手势识别的准确度达98.2%。表明该方法能够检测图像中手势相关信息,对于手势控制有一定的借鉴意义。 展开更多
关键词 手势识别 YOLOv5 rexnet ResNet-50
下载PDF
基于手势识别的手部康复智能评估算法研究 被引量：3
4
作者 徐胜 刘志诚 +3 位作者 涂鑫涛 周轩阳 费敏锐 张堃 《自动化仪表》 CAS 2021年第12期23-27,32,共6页
针对手部疾病患者康复成本较高和康复训练不便的问题,开发了一种非穿戴式的基于手势识别的手部康复智能评估算法。为了提高手势识别检测能力,参照GhostNet原理,并结合自注意力机制,设计了全新的网络模块Lwblock。将YOLOv4算法中的模块Re... 针对手部疾病患者康复成本较高和康复训练不便的问题,开发了一种非穿戴式的基于手势识别的手部康复智能评估算法。为了提高手势识别检测能力,参照GhostNet原理,并结合自注意力机制,设计了全新的网络模块Lwblock。将YOLOv4算法中的模块Resblock改进为网络模块Lwblock,提出了Hand-YOLOv4算法。基于RexNet在Hand-YOLOv4算法框选的矩形区域内深度学习,识别出手部21个关键点。以自主手势识别技术为核心,结合动态时间规整(DTW)算法,设计了手部康复智能评估算法。试验结果表明,在手势识别任务中,检测速度较原模型提高了14%,且检测精度不会降低。该智能评估算法检测精度可达到90%以上,完全能够胜任手部康复评估工作,将促使手部医疗康复领域向舒适化、便捷化方向发展。 展开更多
关键词 手势识别 非穿戴式 Hand-YOLOv4算法 自注意力机制 Lwblock rexnet网络 康复评估 动态时间规整
下载PDF
基于改进轻量级秩扩展网络的人脸表情识别方法 被引量：1
5
作者 郑伟鹏 罗晓曙 蒙志明 《计算机工程》 CAS CSCD 北大核心 2022年第9期189-196,共8页
人脸表情识别作为人机交互的一种重要方法,广泛应用于智能医疗、公安测谎系统、车载安全系统等领域。现有人脸表情识别方法多数存在参数量冗余、计算成本高、特征表达瓶颈等问题。提出一种基于改进轻量级秩扩展网络ReXNet的人脸表情识... 人脸表情识别作为人机交互的一种重要方法,广泛应用于智能医疗、公安测谎系统、车载安全系统等领域。现有人脸表情识别方法多数存在参数量冗余、计算成本高、特征表达瓶颈等问题。提出一种基于改进轻量级秩扩展网络ReXNet的人脸表情识别方法。通过构建改进的ReXNet以提取人脸表情特征,在参数量较少的条件下解决特征表达瓶颈的问题,增强对表情局部特征的关注,获得高层次的表情特征,同时融合坐标注意力模块,将位置信息嵌入到通道注意力中,精准地定位和识别感兴趣的特征,建立位置信息与局部特征之间的长依赖关系,减少计算开销。在此基础上,将细化模块引入到改进的网络架构中,利用类别上下文信息细化分类结果,增强类间的分化效果,从而提高人脸表情识别的准确率。实验结果表明,该方法在RAF-DB和FERPlus数据集上的人脸表情识别准确率分别达到88.43%和88.8%,相比VGG16-PLD、SHCNN、ResNet+VGG等方法,具有较高的准确率和较优的鲁棒性。 展开更多
关键词 人脸表情识别 秩扩展网络 表达瓶颈 坐标注意力机制 细化模块
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