检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合剪枝与量化的目标检测网络压缩方法

计算机工程与应用 2022年第22期58卷 108-115页

作者：杨国威许志旺房臣王以忠天津科技大学电子信息与自动化学院天津300222

针对目标检测网络参数量冗余、模型复杂、推理速度缓慢以及难以部署在资源受限的嵌入式设备等问题,提出一种融合剪枝与量化的目标检测网络压缩方法。首先对目标检测网络模型进行稀疏化训练得到缩放因子,并根据缩放因子的分布计算卷积层... 详细信息

针对目标检测网络参数量冗余、模型复杂、推理速度缓慢以及难以部署在资源受限的嵌入式设备等问题,提出一种融合剪枝与量化的目标检测网络压缩方法。首先对目标检测网络模型进行稀疏化训练得到缩放因子,并根据缩放因子的分布计算卷积层中通道重要性的占比,根据缩放因子计算动态阈值将对网络模型贡献小的卷积层剪除。然后通过均匀映射的方式将32位浮点型数据量化成8位整型数据,减少网络计算量的同时压缩网络模型的大小。最后采用YOLO系列目标检测网络对行人与车辆数据集、Hands数据集和VOC2012数据集进行压缩方法验证。实验表明,目标检测网络经过动态阈值剪枝和均匀映射量化后在精度损失4%的前提下,将网络模型从234 MB压缩至10 MB以内,检测速度提升5倍,有效解决了部署应用难的问题。

关键词：目标检测网络模型压缩动态阈值剪枝缩放因子均匀映射量化

基于FPGA的目标检测网络SkyNet算法优化及硬件加速研究

在线全文

学校读者我要写书评

暂无评论

基于FPGA的目标检测网络SkyNet算法优化及硬件加速研究

作者：唐维伟华中科技大学

学位级别：硕士

目标检测广泛用于自动驾驶、机器人视觉、视频监控以及航天航空等领域,随着深度学习的发展,基于卷积神经网络的目标检测算法逐渐成为主流,但卷积神经网络庞大的计算量和参数量使得其难以在边缘设备上得到应用。本文针对卷积神经网络在... 详细信息

目标检测广泛用于自动驾驶、机器人视觉、视频监控以及航天航空等领域,随着深度学习的发展,基于卷积神经网络的目标检测算法逐渐成为主流,但卷积神经网络庞大的计算量和参数量使得其难以在边缘设备上得到应用。本文针对卷积神经网络在边缘设备上推理效率低、部署困难和实时性差的问题进行研究,从软硬协同优化的角度出发,设计基于FPGA的目标检测网络加速器。首先,将SkyNet作为基础网络,对其进行结构优化,得到适用于FPGA加速器的网络结构。优化主要包括:对第一层逐点卷积进行通道剪枝,以适应加速器的并行度;对分支结构进行优化,用跳跃连接的分支结构替代原有的重排序结构,提升外部缓存读写效率。经结构优化后的SkyNet在模型尺寸上减少了13.6%,计算量减少了15.0%,精度仅下降1.67%。更进一步地,为减少浮点计算对FPGA片上资源的消耗,对优化后的SkyNet进行量化,融合相关参数并定点化,所有参数均定点化后的SkyNet在模型尺寸上减少了73.4%,精度仅下降2.04%。然后,以ZYNQ器件为目标平台,设计SkyNet专用加速器并给出加速器整体结构框图,充分结合了SkyNet网络的计算特点。片上PS端负责配置加速器参数、进行非极大值抑制以及传输图像数据和预测结果;片上PL端负责对SkyNet的核心计算模块进行硬件实现,并同时采用并行策略和任务级流水策略来加快前向推理速度。此外,为充分利用DRAM带宽,设计了相应的特征图合并存储模式,使推理速度进一步提升。最后,在ZC706评估板上对SkyNet加速器进行实现,并测试功耗及推理耗时。实验表明,对于分辨率为416×416的图像,推理一次的平均耗时为13.12ms,功耗为16.992W,加速器算力达到201.18GOPS,能效为11.84 GOPS/W,在同类工作中表现较优,具备实际场景下的应用能力。

关键词：目标检测网络硬件加速边缘设备 FPGA SkyNet

应用目标检测网络自动检测ECG信号所含噪声

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国医学物理学杂志 2020年第8期37卷 1053-1061页

作者：崔焘周亚同张若男王浩李书华河北工业大学电子信息工程学院天津300000 中国科学院计算技术研究所天津分所天津300000

现阶段的心电(ECG)信号去噪网络多通过滤波器滤除噪声,但是通常噪声滤除不彻底,从而造成ECG信号失真。基于此,本研究将目标检测网络用于ECG信号中的噪声检测,首先从MIT-BIT心律不齐数据库中筛选无噪声ECG记录,加入两种来自于MIT-BIH噪... 详细信息

现阶段的心电(ECG)信号去噪网络多通过滤波器滤除噪声,但是通常噪声滤除不彻底,从而造成ECG信号失真。基于此,本研究将目标检测网络用于ECG信号中的噪声检测,首先从MIT-BIT心律不齐数据库中筛选无噪声ECG记录,加入两种来自于MIT-BIH噪声压力测试数据库中的真实噪声,生成4个不同信噪比的含噪信号并构成训练及测试数据集。然后针对ECG信号的特殊性,对YOLOv3网络结构进行修改,设计YOLO-ECG目标检测网络,使用迁移学习策略训练目标检测网络。实验结果表明,本研究提出的网络在ECG信号中噪声检测时的F1值达0.9558,具有良好的检测效果。

关键词：心电信号噪声检测 YOLOv3 目标检测网络

基于数据深度增强的钢桥螺栓脱落智能检测方法研究

在线全文

学校读者我要写书评

暂无评论

桥梁建设 2024年第2期54卷 39-47页

作者：崔闯罗纯坤邱师津张清华西南交通大学桥梁工程系四川成都610031

针对钢桥螺栓脱落病害人工巡检效率低和智能化检测样本数据集不足的问题,提出一种基于数据深度增强的钢桥螺栓脱落智能检测方法。该方法首先以采集的螺栓图像数据集为基础,利用深度卷积生成对抗网络(Deep Convolutional Generative Adve... 详细信息

针对钢桥螺栓脱落病害人工巡检效率低和智能化检测样本数据集不足的问题,提出一种基于数据深度增强的钢桥螺栓脱落智能检测方法。该方法首先以采集的螺栓图像数据集为基础,利用深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)对有限的螺栓图像进行增广;然后将生成的图像与原始图像合并构建增广后的数据集;再将数据集输入到单阶段目标检测网络YOLO(You Only Look Once,YOLO)中,结合迁移学习方法进行模型训练,并对训练后模型的性能进行验证;最后,进行螺栓脱落病害识别。为验证该方法的可行性,对螺栓脱落检测模型进行试验验证,并对不同采集环境下的某钢桥拼接板螺栓脱落病害进行检测。结果表明:DCGAN可有效生成逼真的螺栓图像,且与常规增广方式相比,DCGAN生成的图像质量更高、性能最优;检测模型受拍摄距离、角度及光照强弱影响且对角度最为敏感,控制拍摄距离在1.6 m内、拍摄角度在20°内、外界光线明亮可保证模型性能较优;与常规增广后训练的模型相比,利用生成图像增广后训练的模型检测性能更优且鲁棒性更好;该智能检测方法可以用于螺栓脱落病害检测,且检测精度明显提高。

关键词：钢桥螺栓脱落深度卷积生成对抗网络目标检测网络迁移学习图像生成病害检测方法

基于目标检测网络的场景文字检测识别的研究与实现

在线全文

学校读者我要写书评

暂无评论

基于目标检测网络的场景文字检测识别的研究与实现

作者：张祯达北方工业大学

学位级别：硕士

文字作为人与人交流或人与物体交互的重要形式之一,是一种能够提供信息的重要元素。近年来,从场景中检测识别文字已经成为热点研究方向,其目的是将场景中的文本图像通过算法翻译为字符文本,这种转换可以应用到很多的实际应用项目中。相... 详细信息

文字作为人与人交流或人与物体交互的重要形式之一,是一种能够提供信息的重要元素。近年来,从场景中检测识别文字已经成为热点研究方向,其目的是将场景中的文本图像通过算法翻译为字符文本,这种转换可以应用到很多的实际应用项目中。相较于传统光学文本识别,基于深度学习的场景文字检测识别能够适应更多复杂场景,无需特殊化要求,这类文字检测识别技术可以应用于票证识别,内容筛选等方向,例如为车站检票提供便利以及为国家安全提供信息内容的安全监督,因此这个研究方向很有价值和意义。本文通过对相关技术的研究,设计了一个端到端的文字检测与识别网络,其中文字检测模块基于目标检测网络,并且与文字识别模块进行特征共享,实现模块训练的互相监督,该网络可以完成场景文字检测的任务,可以检测复杂场景中任意方向上的文字,并将文字图像翻译为字符。本文的研究内容和成果如下:1.改进了YOLOv3目标检测算法。针对检测长文本行出现的问题进行了修正,缩减了网络层数,加快了检测速度,同时使用残差网络为网络提供了共享特征层以应对复杂的场景。2.设计了一个端到端的文字检测与识别网络。该网络通过残差网络生成检测模块与识别模块的共享特征,检测模块基于目标检测网络结合共享特征进行文本区域预测,识别模块结合检测模块的文字区域特征和共享特征进行文字的识别工作。这样的解决方案降低了模型训练的时间和大小,更避免了由于两个网络的差异性造成识别准确率较低的问题。该网络可以完成文字检测与识别的任务,相比于非端到端的网络,在特征提取方面可以提取更通用的特征,文字检测与文字识别网络模块之间可以互相监督与调整,使得网络的参数更优,效果更好。3.网络的文字识别模块使用了结合CNN与RNN的编码器和CTC的解码器实现,完成了输入序列大于输出序列的文本图像翻译成字符的任务。4.在文字检测模块与文字识别模块之间使用了仿射变换的操作对输入到文字识别模块中的特征图进行形状上的统一化,使得送入识别模块的特征图拥有统一的高度,方便进行字符识别。5.基于Darknet深度学习框架实现网络的训练和测试,对网络模型在不同的数据集上进行效果测试和与不同的网络模型进行对比实验。通过实验得到的数据和实际效果发现,本文设计的网络模型可以应付多种复杂的自然场景,具有较强的鲁棒性,算法能够准确地检测到场景中的文字,并对文字图像进行翻译得到文本字符,在准确率和识别上都达到了较优秀的水平,具有较强的研究应用价值。

关键词：模式识别深度学习文字检测与识别目标检测网络

基于FPGA加速器的高速目标检测网络研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于FPGA加速器的高速目标检测网络研究与实现

作者：马士超西安电子科技大学

学位级别：硕士

近年来目标检测网络研究取得巨大进步,广泛应用于智慧城市、自动驾驶等场景,推动社会生产力的发展。然而目标检测网络依赖于海量数据,是计算密集型算法,需要运算平台提供良好算力支持。本文以此为切入点,探索运算平台关于目标检测网络... 详细信息

近年来目标检测网络研究取得巨大进步,广泛应用于智慧城市、自动驾驶等场景,推动社会生产力的发展。然而目标检测网络依赖于海量数据,是计算密集型算法,需要运算平台提供良好算力支持。本文以此为切入点,探索运算平台关于目标检测网络算法高性能运算方案。目前运算平台分为通用运算平台、定制运算平台两类。通用运算平台(CPU、GPU)采用控制流驱动的设计架构,集中管理平台运算、存储模块,数据读入写回必须经过速度较慢的外部存储,产生“内存墙”瓶颈。同时,通用平台无法针对网络运算特点设计专用电路,多以提升频率的方式加速运算,运算能效比低,适用场景有限。由此文章选用定制平台方案,以数据流驱动为架构,在FPGA平台设计适配网络的专用加速器电路,实现推理侧高速运算,达到算力能效平衡。本文具体工作如下:(1)论文设计了数据流驱动的加速器架构,缓解数据访存压力。加速器中各执行单元拥有独立控制模式。运算时,加速器无需频繁外部访存,可根据计算需求,实现不同时刻下运算单元到运算单元、运算单元到片上存储、片上存储到片上存储间数据灵活调度,复用片上数据,降低通信成本。(2)论文设计了加速器专用存储系统,最小化数据传输路径。存储系统使用片外DDR、片上Block RAM、分布式CLB多个访存代价不同的硬件单元,结合目标检测网络自身数据特点,设计联合存储结构。数据在存储系统中分块重排,以流水形式传递,最终缓存至分布式CLB存储,实现数据近距离运算。(3)论文设计了加速器专用脉动阵列,加速卷积操作。脉动阵列由模式不同、位置相异的PE单元共同组成。运算时,阵列内PE单元同时工作,数据在内部依时刻脉动传递,对运算并行加速。脉动阵列的设计符合卷积运算特征,可实现不同通道、不同位置间运算并行操作,提升加速器算力。(4)论文设计了加速器专用指令集,保持对不同目标检测网络模型兼容性。指令集使用专用型设计方案,聚焦于目标检测网络算法,用于加速器运算、存储模块控制。设计采用粗粒度控制模式,包含传送、运算、控制、移位四类指令,实现网络结构到电路模块间映射。加速器可支持不同网络模型,通过指令编译实现对不同目标检测网络快速兼容。(5)论文设计了INT8/INT16的数据量化方案,应用于不同检测场景。量化方案使用动态定点数思想,实现网络数据由高密度到低密度映射。INT16为基准量化方案,适用于高检测精度场景。INT8为低比特数据量化方案,以较小检测精度下降为代价使加速器算力获得一倍提升。两类运算方案架构相同,思路相似,针对不同检测需求实现对数据带宽高效利用,体现设计简洁灵活特性。本设计使用面向航天应用的Xilinx Virtex7 690T芯片,以YOLOV3-Tiny为部署网络,三通道256×256图像为输入入口。在INT16精度方案下,加速器峰值吞吐量154GOPS,功耗5.16W,能效比29.8GOPS/W。在INT8精度方案下,加速器峰值吞吐率308GOPS,功耗7.95W,能效比38.7GOPS/W。项目使用Verilog HDL硬件描述语言实现,运算结果与软件端数据二进制比较完全一致。设计定制可控,运算准确可靠,具有实际应用价值。

关键词：目标检测网络 FPGA加速器指令集脉动阵列多级存储

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于目标检测网络的摄影测量编码点定位

激光与光电子学进展 2021年第4期58卷 174-181页

作者：秦大辉程栋苏铭段云飞邵永波西南石油大学土木工程与测绘学院四川成都610500

为解决传统摄影测量编码点定位依赖多种关系准则、判定复杂且识别不稳定的问题,提出一种采用基于改进YOLOv3的目标检测网络分割编码点、利用距离排序识别中心标记点的定位方法。首先针对编码标记点特点改进特征提取网络,从复杂背景中快... 详细信息

为解决传统摄影测量编码点定位依赖多种关系准则、判定复杂且识别不稳定的问题,提出一种采用基于改进YOLOv3的目标检测网络分割编码点、利用距离排序识别中心标记点的定位方法。首先针对编码标记点特点改进特征提取网络,从复杂背景中快速识别编码点,然后在预测框内进行图像处理,计算轮廓质心到中心的距离,通过距离排序定位中心圆形标记点,最后构建标尺编码点数据集用于网络训练和测试。实验结果表明,目标检测网络识别编码点的精度达到94.91%,受环境和噪声等的影响小,距离准则准确率高,该定位方法具有适应性好、鲁棒性高的优点。

关键词：图像处理目标检测网络摄影测量编码标记点 YOLOv3

在线全文

学校读者我要写书评

暂无评论

目标检测模型的雷达图像识别研究综述

中国新通信 2024年第8期26卷 92-94页

作者：茹晓俭汪光旺陈斌张峥峥杭州上城区市政工程集团有限公司浙江省长三角城市基础设施科学研究院浙大城市学院工程学院

探地雷达(GPR)检测技术是目前城市道路脱空检测中常用的无损检测技术。传统的探地雷达检测方法需要人工对雷达图像进行识别,但这种方式容易出现漏检、误检和效率低下等问题,严重影响检测结果的准确性。通过基于深度学习的目标检测网络... 详细信息

探地雷达(GPR)检测技术是目前城市道路脱空检测中常用的无损检测技术。传统的探地雷达检测方法需要人工对雷达图像进行识别,但这种方式容易出现漏检、误检和效率低下等问题,严重影响检测结果的准确性。通过基于深度学习的目标检测网络对雷达图像进行识别可以避免这些问题,目标检测算法已经在图像和视频中证明了识别各种类型物体的能力。虽然目前关于探地雷达图像检测的研究还不够充分,但本文总结了探地雷达技术与常用的目标检测网络模型在路基病害检测方面的研究成果。

关键词：图像检测目标检测网络探地雷达路基病害

太阳能电池片隐裂检测的深度目标网络算法研究

在线全文

学校读者我要写书评

暂无评论

机电工程技术 2022年第8期51卷 87-91页

作者：朱佳华彭兴辉高剑吴相东周书宇四川长虹电器股份有限公司四川绵阳621000 四川轻化工大学机械工程学院四川宜宾644000

太阳能电池片作为光电转换的重要部件,生产过程中容易产生表面缺陷和内部隐性缺陷(隐性裂纹,简称隐裂),严重影响了太阳能电池片的发电效率和成品合格率。目前基于图像处理的视觉检测方法针对隐裂的检测效果较差,无法满足工业现场需求。... 详细信息

太阳能电池片作为光电转换的重要部件,生产过程中容易产生表面缺陷和内部隐性缺陷(隐性裂纹,简称隐裂),严重影响了太阳能电池片的发电效率和成品合格率。目前基于图像处理的视觉检测方法针对隐裂的检测效果较差,无法满足工业现场需求。拟利用深度学习的目标检测网络对电池片进行隐裂检测研究。分析深度学习的目标检测网络模型算法,对选取的网络模型进行优化,解决了隐裂检测精度低的问题。利用采集的隐裂样本数据集,对比分析YOLOv5s、SSD、Faster-RCNN三种目标检测算法的隐裂检测效果,发现YOLOv5s模型综合性能较优。同时对YOLOv5s网络结构及功能模块进行优化,提高了隐裂检测速度和检测精度。结果表明,生成对抗样本构成的数据集中隐裂数据样本采用优化后的YOLOv5s进行隐裂检测,准确率可达到96%以上,单张图像检测时间大约为0.06 s。因此,结合生成对抗网络和目标检测网络可以实现隐裂的快速、高精度检测。

关键词：太阳能电池片隐裂检测深度学习目标检测网络