检索结果-南通市图书馆

嵌入注意力机制和通道重排的人脸表情识别研究

在线全文

学校读者我要写书评

暂无评论

重庆工商大学学报(自然科学版) 2024年

作者：汪正权朱成杰安徽理工大学电气与信息工程学院

【目的】针对传统卷积神经网络在人脸表情识别过程中存在网络结构复杂、特征提取弱化更能反映情感状态的眼睛和嘴唇区域而造成的针对性不强、忽略了人脸表情中空间结构信息导致识别准确度不高等问题，在主流人脸表情识别方法的基础上提... 详细信息

【目的】针对传统卷积神经网络在人脸表情识别过程中存在网络结构复杂、特征提取弱化更能反映情感状态的眼睛和嘴唇区域而造成的针对性不强、忽略了人脸表情中空间结构信息导致识别准确度不高等问题，在主流人脸表情识别方法的基础上提出了一种嵌入注意力机制和通道重排的人脸表情识别方法。【方法】首先，将预处理的人脸图片传入空间注意力模块，通过增强空间维度信息，使得模型能够更好地关注图像中的关键区域；然后对获取到的空间注意力特征图的通道进行切分，使信息流通过不同的路径，再进行通道融合，从而增强了特征表达能力；其次，将得到的特征图传入到通道注意力模块，增强通道维度信息；最后，通过全局平均池化来进行网络预测。【验证结果】所设计的网络仅以1.9M的参数量在数据集FER2013和CK+上分别达到71.80%和99.66%的识别准确度。【结论】结果表明该方法相比许多传统经典算法有更好的识别效果，为提高人脸表情识别准确度提供了一种更有效的途径，具有很好的实用价值和应用前景。

关键词：人脸表情识别残差网络通道重排注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种基于通道重排的轻量级目标检测网络

计算机与现代化 2020年第2期 94-98页

作者：徐晗智艾中良张志超中国电子科技集团公司第十五研究所

Tiny YOLO和YOLOv3-tiny作为2种轻量级目标检测算法以其突出的速度表现而闻名。本文以这2种网络模型为基础,结合分组卷积并改进通道重排算法,改进了原来的损失函数,构建了一种新的更快的网络模型,通过改进YOLOv3的损失函数而增加其检测... 详细信息

Tiny YOLO和YOLOv3-tiny作为2种轻量级目标检测算法以其突出的速度表现而闻名。本文以这2种网络模型为基础,结合分组卷积并改进通道重排算法,改进了原来的损失函数,构建了一种新的更快的网络模型,通过改进YOLOv3的损失函数而增加其检测准确度。在PASCAL VOC数据集和COCO数据集上分别训练并且测试,该网络模型每秒处理的速度超过265张图片,Map值达到55.8%,准确度超过Tiny YOLO且与YOLOv3-tiny相仿。

关键词：目标检测网络模型损失函数通道重排

在线全文

学校读者我要写书评

暂无评论

深度学习轻量化侦察图像压缩网络

探测与控制学报 2024年第1期46卷 78-84页

作者：谌宇谌德荣崇魁奇王泽鹏张凯北京理工大学北京100081 北京航宇天穹科技有限公司北京100043

为了满足小型侦察平台对低复杂度图像编码算法的应用需求,提出基于深度学习轻量化侦察图像压缩网络。轻量化侦察图像压缩网络编码端利用三个卷积模块直接将图像映射为服从均匀分布的二进制码流,得到压缩数据;在卷积模块中采用深度可分... 详细信息

为了满足小型侦察平台对低复杂度图像编码算法的应用需求,提出基于深度学习轻量化侦察图像压缩网络。轻量化侦察图像压缩网络编码端利用三个卷积模块直接将图像映射为服从均匀分布的二进制码流,得到压缩数据;在卷积模块中采用深度可分离卷积、分组卷积+通道重排等方式降低了编码端参数量和计算量。轻量化侦察图像压缩网络解码端采用转置卷积和残差连接等方式提高特征提取能力,进而提高解码图像质量。对分辨率为128×128实际采集图像的测试结果表明,与JPGE2000算法相比,基于深度学习轻量化侦察图像压缩网络PSNR提高了3.85 dB,编码时间降低了91%,实现了图像的轻量化编码压缩。

关键词：侦察图像压缩深度可分离卷积分组卷积通道重排

在线全文

学校读者我要写书评

暂无评论

基于双分支分解卷积的夜间车道线检测方法

重庆工商大学学报(自然科学版) 2024年

作者：张绪林玉娥王慧梁兴柱安徽理工大学计算机科学与工程学院

【目的】车道线检测作为自动驾驶系统的核心功能之一，对于确保车辆安全行驶至关重要。然而，当前基于分割的检测方法在速度和性能之间存在明显不平衡，尤其在夜间场景下更为突出。针对这一挑战，本文提出了一种名为DecoLaneNet的夜间... 详细信息

【目的】车道线检测作为自动驾驶系统的核心功能之一，对于确保车辆安全行驶至关重要。然而，当前基于分割的检测方法在速度和性能之间存在明显不平衡，尤其在夜间场景下更为突出。针对这一挑战，本文提出了一种名为DecoLaneNet的夜间车道线检测模型。【方法】首先，设计了一种高效的特征提取模块，采用分解卷积构建了具有不同大小感受野的双分支分解卷积残差结构，在尽可能保证性能的情况下大幅减少了模型的参数量，更准确地提取车道线特征。接着，运用通道重排技术和扩张卷积来弥补性能损失，并增加感受野。最后，引入双分支上采样模块进行特征解码，显著提升了模型的分割精度。【结果】在夜间场景数据集Night和包含多种交通场景的车道检测数据集CULane上进行了广泛评估。DecoLaneNet的F1评分，在Night数据集上达到了74.7%，在CULane数据集上达到了71.5%。值得一提的是，尽管模型参数仅有1.94 M，但在Jetson开发板上，其帧率（FPS）仍能达到62.5。【结论】实验结果表明，DecoLaneNet不仅在夜间场景下表现出优异的性能，在应对其他复杂场景时同样表现出色。此外，在部署到嵌入式设备上，其性能与效率仍然优于其他模型，显示出了出色的潜力与可行性。

关键词：车道线检测通道重排分解卷积模型部署

基于PCDARTS改进的神经网络架构搜索算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机与数字工程 2022年第4期50卷 691-696,720页

作者：赵加坤刘云辉孙俊西安交通大学软件学院西安710049

神经网络架构搜索主要解决人工设计神经网络难度大的问题,针对该算法的研究在自动化机器学习领域有着深远的意义。搜索算法的主要流程包括设计搜索空间、设计搜索策略、网络评估,针对搜索空间,应用通道随机重排技术和上下文信息融合技... 详细信息

神经网络架构搜索主要解决人工设计神经网络难度大的问题,针对该算法的研究在自动化机器学习领域有着深远的意义。搜索算法的主要流程包括设计搜索空间、设计搜索策略、网络评估,针对搜索空间,应用通道随机重排技术和上下文信息融合技术进行高效特征提取,同时在搜索策略上,针对联合搜索优化困难且消耗时间长的问题,设计了修正网络的reduction cell,仅搜索normal cell。结果表明,该网络的搜索效率得到了提高搜索时间减少了31%左右,并且在cifar10数据集和tiny-imagenet数据集上的验证精度分别提高了0.21%和2.26%。

关键词：深度学习图像识别神经网络架构搜索卷积神经网络通道重排

在线全文

学校读者我要写书评

暂无评论

基于轻型卷积神经网络的火焰检测方法

山东大学学报（工学版） 2020年第2期50卷 100-107页

作者：严云洋杜晨锡刘以安高尚兵淮阴工学院计算机与软件工程学院江苏淮安223003 江南大学物联网工程学院江苏无锡214122 江苏海洋大学计算机工程学院江苏连云港222005

提出一种基于MobileNet的轻型火焰检测方法,基于深度分离卷积和膨胀卷积的膨胀卷积模块(dilated convolution block, DCB)扩增特征的感受野,加强特征语义信息,提高了视频火焰目标的检测率;优化SSD(Single Shot Multibox Detector)检测框... 详细信息

提出一种基于MobileNet的轻型火焰检测方法,基于深度分离卷积和膨胀卷积的膨胀卷积模块(dilated convolution block, DCB)扩增特征的感受野,加强特征语义信息,提高了视频火焰目标的检测率;优化SSD(Single Shot Multibox Detector)检测框架,提出了一种轻型的检测模型DMSSD(Dilated MobileNet-SSD)。在PASCAL VOC数据集和Bilkent大学VisiFire数据集上进行火焰检测试验,试验结果表明火焰检测的平均精度均值分别提升了1.7%和3.8%,火焰检测速度也可达80帧/s,具有较强的鲁棒性和实用性。

关键词：火焰检测 MobileNet 膨胀卷积通道重排 DCB

在线全文

学校读者我要写书评

暂无评论

基于深度学习的图像超分辨算法研究

基于深度学习的图像超分辨算法研究

作者：王昭武西安电子科技大学

学位级别：硕士

图像作为信息表达与传递的重要方式之一,在人们的日常生活中发挥重要的作用。高分辨率图像含有丰富的高频细节,在医学成像,道路监控,遥感成像等领域有着广泛的应用。然而,受成像设备及环境因素的影响,采集到的图像无法达到预期的分辨率... 详细信息

图像作为信息表达与传递的重要方式之一,在人们的日常生活中发挥重要的作用。高分辨率图像含有丰富的高频细节,在医学成像,道路监控,遥感成像等领域有着广泛的应用。然而,受成像设备及环境因素的影响,采集到的图像无法达到预期的分辨率水平。超分辨技术是解决这一问题的一种经济有效的方法,成为当今信息处理领域的热点。近年来,随着神经网络的蓬勃发展,基于深度学习的图像超分辨方法在重建性能方面取得了重大突破,但快速有效的重建视觉效果逼真的高分辨率图像仍然是一项严峻挑战。目前大多数方法通过引入更多卷积层换取重建性能的提升,这导致模型参数急剧增加,限制超分辨技术在较低计算能力设备上的应用。另一方面,现有超分辨方法尽管在标准数据集中表现良好,但是在处理真实场景图像时过于平滑,无法满足实际需求。为了克服上述问题,本文基于卷积网络结构和真实退化场景对图像超分辨问题进行研究,提出四种有效方法提高重建效率和视觉效果,对轻量化模型设计和处理真实场景具有一定的借鉴意义,并对超分辨技术的实际应用具有一定的研究价值。本文主要贡献如下:1、提出一种基于滤波器裁剪多尺度通道网络的超分辨算法。该方法构建一种多尺度通道块,其中包括通道分离操作和多尺度卷积操作,以获取多种尺寸的精确特征信息。采用滤波器裁剪算法对训练好的模型进行剪枝,保留对模型重建重要的滤波器,裁剪不重要的滤波器,裁剪后重训练得到轻量化网络。实验表明,对比其它超分辨算法,本方法在模型参数量和重建性能方面具有竞争力。2、提出一种基于通道重排多分支网络的超分辨算法。该方法通过计算特征图的总变差对特征通道进行重排,将重排后的特征分成两组,其中,低总变差特征包含细节纹理较少,高总变差特征包含细节较多。为了在减少参数量的同时挖掘更多细节,将低总变差特征进行深层特征提取。此外,在模型末尾,本方法将浅层信息与深层特征信息融合避免信息丢失。实验结果表明,在500K参数内,本方法具有较好的重构性能。3、提出一种基于域迁移模型的超分辨算法。该算法由域迁移网络和超分辨网络级联组成,其中,域迁移网络采用真实模糊核和双三次模糊核构造训练样本进行训练,从而消除真实场景图像退化和模拟双三次退化的差异性;超分辨网络通过构建多个超分子模块,分别执行上采样任务,使重建图像能够有效利用每个子模块的输出信息,提高信息利用率。实验结果表明,在合成和真实数据集中,本方法均具有良好的重建效果。4、提出一种基于边缘保持网络的超分辨算法。该算法在网络末端设计一种包含高斯算子和Sobel算子的图像增强模块,在去除噪声的同时增强图像的纹理细节;同时,提出一种基于Laplace算子的通道注意模块,通过提取特征的边缘信息增强通道间特征的差异性,对含有更多边缘信息的特征赋予更大的权重;此外,在损失函数中引入内容损失,并使用Laplace混合模型确定损失函数的参数。实验结果表明,对于具有任意模糊的真实低分辨图像,本方法均具有良好的重建效果。

关键词：超分辨重建模型裁剪通道重排域迁移模糊核

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的语音识别方法研究

基于深度学习的语音识别方法研究

作者：张非凡大连理工大学

学位级别：硕士

语音识别技术主要包括连续语音识别和关键词识别,它在人机交互、网络聊天、车载导航、机器人、智能家居、智能终端等领域具有广泛的应用。传统的基于隐马尔科夫模型的语音识别技术已经取得重要进展,并得到一定应用,但其识别效果较差,难... 详细信息

语音识别技术主要包括连续语音识别和关键词识别,它在人机交互、网络聊天、车载导航、机器人、智能家居、智能终端等领域具有广泛的应用。传统的基于隐马尔科夫模型的语音识别技术已经取得重要进展,并得到一定应用,但其识别效果较差,难以实现人与机器人之间的智能交互。此外,在嵌入式语音识别中,由于处理器内存、计算能力等限制,其语音识别性能有限,难以满足实际应用要求。为此,本文应用深度学习方法,研究了连续语音识别和关键词识别技术,主要研究工作包括如下:(1)研究了基于隐马尔科夫模型和时延神经网络的连续语音识别技术,采用训练好的模型进行在线语音识别系统搭建,在Kaldi平台上改进了CVTE模型的解码器,取得了良好的识别效果和良好的解码效率。(2)研究了一种基于通道重排卷积神经网络的关键词识别方法。该方法通过组卷积和通道重排操作,减少了常规卷积操作的参数量和计算量;通过调整模型结构,该关键词语音识别方法获得了良好的识别准确率,且对于参数量较小的模型,增大分组数,可提高识别率。实验结果验证了在不同模型尺寸限定下该模型的有效性。(3)对于关键词识别任务,研究了一种基于反向残差卷积神经网络的关键词识别方法,该方法采用了深度分离卷积和反向残差网络结构,在参数量保持不变的条件下,提升了语音识别性能。在此基础上,对反向残差卷积神经网络进行改进,提出了一种基于通道重排和反向残差的卷积神经网络模型结构,该模型结构将反向残差网络中的卷积层替换为组卷积和通道重排,进一步减少了参数量和计算量,实验验证了在不同模型尺寸限定下该模型的有效性。

关键词：连续语音识别关键词识别在线解码器深度学习通道重排反向残差

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

适用于面诊图像分割的轻量级网络

现代电子技术 2023年第6期46卷 143-148页

作者：冯跃李胜可李周姿梁惠珠林卓胜徐红五邑大学智能制造学部广东江门529020 维多利亚大学澳大利亚墨尔本8001

目前,面诊图像脏腑分布区域的分割大多采取传统分割方法或重量级分割网络,存在鲁棒性不强或实时性差的不足。针对上述问题,提出一种结合空洞卷积、通道重排、通道分割和非对称卷积的瓶颈结构,并基于此结构构建一种轻量级面诊图像实时语... 详细信息

目前,面诊图像脏腑分布区域的分割大多采取传统分割方法或重量级分割网络,存在鲁棒性不强或实时性差的不足。针对上述问题,提出一种结合空洞卷积、通道重排、通道分割和非对称卷积的瓶颈结构,并基于此结构构建一种轻量级面诊图像实时语义分割网络。首先,通过通道分割方法分割通道,分别对分离得到的通道进行非对称卷积和空洞非对称卷积,以实现减少参数量的同时密集提取特征;其次,采用通道重排技术对处理后分离的通道进行重排,以实现通道之间的信息交互;然后,利用残差与输入特征进行连接,丰富特征信息。此外,针对中医面部五脏反射区域存在模糊边界而导致分割效果不佳的问题,提出一种加权边界感知损失函数,在模型训练的过程中给区域边界的像素赋予更大的权重。在单个GTX 1080 GPU上对面诊图像数据集进行实验,总体像素准确率、平均交并比和F1分数分别达到98.34%,86.76%和92.81%,推理速度达到57 f/s,取得整体对比最佳的分割性能。实验结果表明,所提方法能够在保证分割精度的同时实现实时分割。

关键词：中医面诊图像分割轻量级通道分割通道重排空洞卷积非对称卷积

维普期刊数据库博看期刊