检索结果-南通市图书馆

北京交通大学学报 2022年第4期46卷 105-112页

作者：梁栋张伟于洋河北工业大学土木与交通学院天津300401 河北工业大学人工智能与数据科学学院天津300401

针对目前裂缝人工检测方法难以满足工业化生产准确性与实时性要求的问题,对更智能的裂缝识别手段进行研究,提出一种利用轻量化全卷积语义分割网络MU-net识别混凝土桥梁裂缝的方法.首先,在U-net网络结构的基础上,引入mobile-net中的深度... 详细信息

针对目前裂缝人工检测方法难以满足工业化生产准确性与实时性要求的问题,对更智能的裂缝识别手段进行研究,提出一种利用轻量化全卷积语义分割网络MU-net识别混凝土桥梁裂缝的方法.首先,在U-net网络结构的基础上,引入mobile-net中的深度可分离卷积,并在卷积操作过程中加入修正单元,构建MU-net模型.然后,收集混凝土裂缝图片,通过筛选扩充等手段构建数据集并制作标签.最后,搭建一套针对实验梁的集成检测系统,将MU-net模型作为处理后端.实验结果表明:相较于经典U-net模型,MU-net平均识别时间缩短了68.5%,平均准确率提升0.29%,平均召回率提升1.86%,在保证精度的同时,提高了桥梁裂缝图片语义分割效率,基本能够实现对桥梁裂缝图片准确快速的识别处理.

关键词：桥梁工程 U-net mobile-net 深度可分离卷积语义分割

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的调制识别技术研究

基于卷积神经网络的调制识别技术研究

引用

作者：于万里中原工学院

学位级别：硕士

调制识别技术是软件无线电系统中不可或缺的技术。调制识别技术在参数估计与解调译码中起着承上启下的作用。所以,近年来无数研究者纷纷投入到调制识别技术的研究,致力于研究出识别种类更多,计算简单的识别算法。目前,调制识别按照特征... 详细信息

调制识别技术是软件无线电系统中不可或缺的技术。调制识别技术在参数估计与解调译码中起着承上启下的作用。所以,近年来无数研究者纷纷投入到调制识别技术的研究,致力于研究出识别种类更多,计算简单的识别算法。目前,调制识别按照特征提取的方式可分为:基于深度学习提取信号特征的调制识别技术和基于传统算法提取信号特征的调制识别技术。由于,传统特征参数需要人工设计相应的算法提取信号的特征,增加了算法的复杂性,且识别信号的类型较少,抗噪性能差。于是,开始使用深度学习让神经网络自动提取特征。随着深度学习被应用于调制识别,逐渐通过网络层之间相互卷积得到信号的特征,但是,针对网络模型的选择和网络模型抗频偏性的相关研究还存在相关的问题。因此,本文将基于网络模型的选择和网络模型抗频偏性进行进一步的研究与分析,主要研究的内容如下:首先,本文针对传统特征参数分类器设计规则复杂,提出将特征参数与三层全连接神经网络分类器(Three-layer Fully Connected Neural network Classifier,TFCNNC)相结合的调制识别技术。根据TFCNNC输入层的需要设计对应的特征参数值,将特征参数送入TFCNNC中进行分类识别。其次,针对高阶谱生成的频谱图,无法通过有效的算法计算出频谱图中所包含特征,提出将高阶谱和深度稀疏自编码网络(Deep Sparse Auto Encoder network,DSAEN)相结合的算法用于识别信号的调制方式。通过仿真结果可知,将高阶谱以频谱图的形式输入到DSAEN中进行训练,该网络可以完成频谱图的特征提取,同样也可以完成信号的识别。同时该网络该具备一定的抗频偏能力。最后,针对DSAEN需要对信号进行高阶谱处理,本文开展基于卷积神经网络(Convolutional Neural network,CNN)的调制信号识别方法研究。针对CNN网络模型是否具有抗频偏性进行研究,通过仿真结果可知,该网络具有一定的抗频偏能力;同时,使用CNN网络模型减少了信号处理的步骤。针对DSAEN和CNN训练时间长,识别信号种类较少,不易集成工程应用等问题。本论文提出将mobile-net卷积神经网络应用于信号的调制识别。针对网络模型是否具有抗频偏性进行研究,通过仿真结果可知,mobilenet网络模型具有抗频偏能力。针对mobile-net的网络模型是否可以识别多信号进行仿真验证,通过仿真结果可知,在一定信噪比下,mobile-net网络模型可识别多种信号的调制方式。

关键词：调制识别高阶谱深度稀疏自编码网络 CNN mobile-net

来源：

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YoloV3的实时视频行人检测算法

引用

单片机与嵌入式系统应用 2022年第6期22卷 29-32页

作者：张梦鸽李健陈慧雯中国电子科技集团公司第三十二研究所上海201800

本文提出一种基于YoloV3的视频检测算法,使用mobile net的思想优化模型,并采用基于三帧差分法和粒子滤波的视频运动自适应推理算法,充分利用视频前后帧之间的目标关联性,将其部署在VisionSeed上。实验结果表明,在COCO数据集上实现了0.33... 详细信息

本文提出一种基于YoloV3的视频检测算法,使用mobile net的思想优化模型,并采用基于三帧差分法和粒子滤波的视频运动自适应推理算法,充分利用视频前后帧之间的目标关联性,将其部署在VisionSeed上。实验结果表明,在COCO数据集上实现了0.331 s的单帧检测速率,速度提升了31.9%,满足了嵌入式平台的运行要求。

关键词：深度学习目标检测 YoloV3算法 VisionSeed mobile-net

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

以注意力模型引导的目标检测研究与应用

以注意力模型引导的目标检测研究与应用

引用

作者：刘琛淮北师范大学

学位级别：硕士

目标检测技术可以对图像中的目标进行定位,其在日常生活和工业制造中都存在着巨大的应用价值。与传统的机器学习和图像处理方法相比,基于深度学习的目标检测网络通常具有更加精准的识别率和更快的识别速度。近年来,深度学习领域的卷积... 详细信息

目标检测技术可以对图像中的目标进行定位,其在日常生活和工业制造中都存在着巨大的应用价值。与传统的机器学习和图像处理方法相比,基于深度学习的目标检测网络通常具有更加精准的识别率和更快的识别速度。近年来,深度学习领域的卷积神经网络发展迅速并逐步应用于日常生活的检测之中。如今,基于机器视觉、深度学习的检测技术在道路安全、智能监控等多个领域中已得到广泛应用。例如对公路上的行人进行检测,合理规避风险;对摩托车手头盔佩戴进行检测,分析其安全情况等实际案例,都表明该技术在日常生活中有着巨大的应用价值。为了满足人类的各种需要,目标检测算法也在不断改进。本文以SSD（Single Shot Multi Box Detector）网络为基础并在网络中添加注意力模型进行引导,对摩托车手头盔佩戴检测问题展开研究,由浅入深的论述了全卷积网络目标检测框架的实现原理和目前主流的一些注意力模型的实现原理和效果。在构建网络对目标进行检测时,通过将一步检测网络SSD-net与视觉注意力机制的模块融合,并进行轻量化处理来改进网络的检测性能,提升网络的检测能力,有重要的理论和现实意义。本文主要研究内容具体如下:（1）采用SSD-net网络实现对摩托车驾驶人的头盔佩戴检测并优化算法。本文以实际采集的道路摩托车行驶图片为训练样本,在SSD-net框架下添加RFB（Receptive Field Block）模块,采用VGG-16作为基础网络提取网络结构特征来确定网络模型,并使用余弦衰减学习率作为训练策略对算法进一步改进。实验使用Ubuntu16.04操作系统,利用深度学习框架Pytorch搭建网络,并使用MAP值评估优化前后网络的性能。实验结果表明改进后的RFB-net模型在摩托车驾驶人是否佩戴头盔的检测问题中具有较高较快的精度与速度,对道路安全具有很好的现实意义。（2）在SSD-net中合理的引入类似视觉的注意力模块来提高网络性能。针对于摩托车手是否佩戴头盔的检测问题,对主流的单阶段检测网络SSD-net引入注意力机制模块,使网络提取的特征图在通道和空间上进行权重的重新选择,并增加了类似人类视觉偏心率机制的RFB模块来改善特征的分布。通过使用Mosaic方法进行数据增强,并采用余弦衰减学习率来优化网络,从而完成对摩托车手是否佩戴头盔的检测任务。实验结果表明改进后的网络对摩托车头盔佩戴的检测结果比原始SSD-net提升了4%-5%的MAP值,具有更好的应用效果。（3）对搭建的通过注意力引导的全卷积网络进行轻量化研究,选择优秀的轻量化主干网络mobile-net对检测网络进行轻量化改进,并对摩托车手头盔佩戴进行规范化检测。通过使用mobile-net对SSD-net的主干网络VGG-net进行替换,实现了mobile-attention-SSD-net。该网络通过主干网络轻量化以及注意力模块的添加,使其在保证准确率的前提下减少了网络的参数量、节省了存储空间并加快了网络的检测速度,在应用中体现出明显的优势。

关键词：深度学习目标检测注意力机制 SSD-net 头盔检测 mobile-net

来源：

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

基于深度学习的口罩佩戴检测方法研究

基于深度学习的口罩佩戴检测方法研究

引用

作者：陈政生华中师范大学

学位级别：硕士

2020年新型冠状病毒肆虐全球,疫情防控迫在眉睫。为防止疫情扩散,正确佩戴口罩在人们的日常生活中至关重要。目前针对大范围人员流动场所一般配备检查人员进行口罩佩戴检测,该方式存在工作人员与他人接触感染的潜在漏洞,同时无法具备全... 详细信息

2020年新型冠状病毒肆虐全球,疫情防控迫在眉睫。为防止疫情扩散,正确佩戴口罩在人们的日常生活中至关重要。目前针对大范围人员流动场所一般配备检查人员进行口罩佩戴检测,该方式存在工作人员与他人接触感染的潜在漏洞,同时无法具备全天候监测等不足。通过运用计算机视觉技术解决口罩佩戴检测问题,不仅可以避免人员之间交叉感染的风险,而且能够有效化解当下疫情常态化防控难题。口罩佩戴检测在计算机视觉领域可以视为两阶段任务:原始图像的人脸检测定位阶段和定位后人脸区域子图像的口罩佩戴识别过程。针对口罩佩戴检测问题,本文的研究重点是实现口罩佩戴检测的自动化运行解决方案,设计了基于深度学习的口罩佩戴检测方法。针对两阶段任务本文提出改进后的MTCNN(Multi-task Cascaded Convolutional networks)人脸检测算法和基于mobile-net网络的口罩图像分类模型。本文的主要研究工作包括:(1)MTCNN因其较高的检测速度和准确率在无遮挡人脸检测领域取得了广泛应用。然而针对口罩佩戴情况下,该算法由于缺乏口罩人脸图像的特征学习使得人脸检测效果表现不佳。针对这一问题,本文提出一种改进的MTCNN口罩人脸检测算法。首先通过增强口罩人脸数据集重新训练改进后的网络模型,提升模型对于口罩人脸特征的学习表达能力。然后为提高模型检测速度,本文针对Rnet、Onet网络结构使用步长为2的卷积层代替池化操作微调网络结构,降低网络模型计算量从而减少检测时间。最后通过使用ELU激活函数提升模型收敛速度,增强模型的鲁棒性,同时引入标签平滑正则化LSR通过扩大类间距离,减小类内间距,提升人脸分类任务准确度减少误检情况的发生。针对改进后的MTCNN网络模型使用FDDB无遮挡人脸和MAFA 口罩遮挡人脸数据集进行人脸检测测试,实验对比结果表明改进后的口罩佩戴检测模型相较于原始MTCNN算法mAP和FPS数值都有相应提升,满足口罩佩戴人脸检测任务中实时性和准确率的要求。(2)针对第一阶段检测到的人脸区域子图像,本文设计了基于mobile-net网络的口罩图像分类器用于口罩佩戴识别过程。mobile-net由于模型轻量、精度较高等特点能够进一步提升口罩图像分类速度,为口罩佩戴检测模型移植于移动端实现公共场所检测提供可能。本文通过深度可分离卷积网络模型使用MaskedFace-net 口罩人脸数据集进行迁移学习。同时引入基于YCrCb阈值分割肤色模型的口罩佩戴误检判别式,降低手或其他皮肤遮挡物的错误识别,进一步提升口罩图像的分类准确度。最后在MAFA和LFW数据集上进行模型测试,实验结果表明该口罩图像分类器具有良好的泛化能力和准确性,满足口罩图像分类任务的相应需求。

关键词：深度学习口罩佩戴检测 MTCNN mobile-net YCrCb

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：