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：
一种融合注意力机制与边缘计算的遥感影像车辆检测算法
1
作者 董亮 王泉兴 朱磊 《电讯技术》 北大核心 2024年第9期1400-1406,共7页
针对遥感影像目标检测任务中存在的背景复杂、小目标检测困难、大尺寸影像导致的检测效率低等问题,提出了一种融合注意力机制与边缘计算的遥感影像车辆检测算法。首先在YOLOv5的主干网络中引入多维协作注意机制(Multidimensional Collab... 针对遥感影像目标检测任务中存在的背景复杂、小目标检测困难、大尺寸影像导致的检测效率低等问题,提出了一种融合注意力机制与边缘计算的遥感影像车辆检测算法。首先在YOLOv5的主干网络中引入多维协作注意机制(Multidimensional Collaborative Attention,MCA),然后提出多分支卷积模块替换特征融合网络中的CBL模块,最后将训练的网络权重部署到Atlas 200开发者套件(Developer Kit,DK)边缘计算设备。在UCAS-AOD数据集上进行模型验证与对比,实验结果表明,该网络模型在复杂环境下对车辆的检测精度达到94.9%,较YOLOv5提升8.2%;网络部署到边缘设备后速度较GPU设备提升258%。同时,该方法也可以扩展应用到其他遥感影像目标检测任务中,为相关领域提供了一种高效、准确的检测方法。 展开更多
关键词 车辆检测 遥感影像 边缘计算 多分支卷积 注意力机制
下载PDF
常识辅助细粒度数据增强方法 被引量：1
2
作者 李华超 康彬 王磊 《计算机工程与应用》 CSCD 北大核心 2024年第6期214-221,共8页
数据增强的代表性研究主要针对ImageNet等常规分类数据集展开。考虑到细粒度识别数据集中测试样本类内及类间关联性与常规分类数据集差异明显,因此针对细粒度识别的数据增强方法尚待深入研究。为此,从细粒度识别任务以及数据集的特殊属... 数据增强的代表性研究主要针对ImageNet等常规分类数据集展开。考虑到细粒度识别数据集中测试样本类内及类间关联性与常规分类数据集差异明显,因此针对细粒度识别的数据增强方法尚待深入研究。为此,从细粒度识别任务以及数据集的特殊属性入手提出基于常识辅助的细粒度语义图块混合策略。所提方法利用常识知识挖掘样本标签间潜在关联,以此为基础设计结构化图像混合策略的多支路卷积神经网络结构,使图像混合过程更关注目标的细微差异。通过大量性能测试可验证所提方法的性能明显优于主流的基于图像混合的数据增强方法。同时,通过实验验证,所提出的常识知识有助于多种基于混合图像类的数据增强模型性能提升。 展开更多
关键词 数据增强 常识图谱 多支路卷积神经网络
下载PDF
基于改进Deeplabv3+的桥梁裂缝分割算法研究
3
作者 姚玉凯 郭宝云 +3 位作者 李彩林 孙娜 王悦 孙晓凯 《山东理工大学学报（自然科学版）》 2024年第2期21-26,共6页
为提高Deeplabv3+模型对桥梁裂缝的分割精度与检测效率,提出一种多分支卷积块和Deeplabv3+改进的桥梁裂缝分割算法。在Deeplabv3+模型中加入RFB多分支卷积模块,将Deeplabv3+中的backbone替换为Mobilenetv2,用深度分离卷积替换算法中所... 为提高Deeplabv3+模型对桥梁裂缝的分割精度与检测效率,提出一种多分支卷积块和Deeplabv3+改进的桥梁裂缝分割算法。在Deeplabv3+模型中加入RFB多分支卷积模块,将Deeplabv3+中的backbone替换为Mobilenetv2,用深度分离卷积替换算法中所有普通卷积,增加一次底层特征融合。将改进模型与主流的图像检测模型如PSPNet、U-Net在相同数据集下进行实验对比,结果表明,改进后的Deeplabv3+模型对桥梁裂缝的检测具有较好的效果,检测精度可达90.15%,较原始模型提高了4.07%。改进后的模型分割精度和速度有明显提高,对于完成裂缝检测任务具有实际应用价值。 展开更多
关键词 Deeplabv3+ 裂缝分割 多分支卷积模块 深度分离卷积 底层特征融合
下载PDF
多分支卷积神经网络的FPGA设计与优化 被引量：1
4
作者 谢思璞 魏榕山 《电子技术应用》 2021年第7期97-101,共5页
针对拓宽神经网络的结构会导致计算量增大,计算性能降低,需要针对并行的网络进行更有效的优化以及调度。通过分析FPGA平台上实现卷积神经网络的计算吞吐量和所需的带宽,在计算资源和访存带宽的限制下,采用了屋顶模型进行了设计空间的探... 针对拓宽神经网络的结构会导致计算量增大,计算性能降低,需要针对并行的网络进行更有效的优化以及调度。通过分析FPGA平台上实现卷积神经网络的计算吞吐量和所需的带宽,在计算资源和访存带宽的限制下,采用了屋顶模型进行了设计空间的探索,提出了在不同支的卷积神经网络中使用不同的循环展开因子,从而实现同一卷积层中不同支神经网络的并行计算,保证计算资源和内存资源的合理分配。实验结果表明,所提出的设计与先前研究相比获得了1.31×的性能提升。 展开更多
关键词 多分支卷积神经网络 FPGA 屋顶模型 并行计算
下载PDF
基于多路卷积神经网络的手势识别方法 被引量：1
5
作者 吴雨浩 王从庆 《吉林大学学报（信息科学版）》 CAS 2021年第3期303-309,共7页
为提高利用表面肌电信号(sEMG:Surface Electromyography)进行手势识别的准确率并解决其受不同提取特征影响的问题,提出了一种基于多路卷积神经网络(MB-CNN:Multi-Branch Convolutional Neural Networks)的手势识别方法。首先,使用MYO... 为提高利用表面肌电信号(sEMG:Surface Electromyography)进行手势识别的准确率并解决其受不同提取特征影响的问题,提出了一种基于多路卷积神经网络(MB-CNN:Multi-Branch Convolutional Neural Networks)的手势识别方法。首先,使用MYO手环采集8种不同手势的sEMG信号;然后,利用滑动窗口法对sEMG信号进行活动段提取,生成大小为64×8的原始训练样本;其次,作为对比实验,提取7种不同的时域和频域特征,利用机器学习算法进行手势识别。最后,在避免常规特征提取的情况下,构建了一种多路卷积神经网络模型用于手势识别,测试集上准确率达97.89%。实验表明,针对手势识别问题,该方法高效可行。 展开更多
关键词 表面肌电信号 多路卷积神经网络 手势识别 MYO手环
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