检索结果-南通市图书馆

一种基于mobilenet模型的医疗废弃物品收集小车

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

常熟理工学院学报 2023年第5期37卷 51-56,66页

作者：钱铖沈凯文王淳王小英常熟理工学院电气与自动化工程学院江苏常熟215500

随着现代医疗水平的快速提高,医疗废弃物品的处理问题显得尤为重要.本文针对医疗废弃物品的无接触收集问题,设计了一种医疗废弃物品收集小车.通过OpenMV搭配自行训练的mobilenet神经网络模型对废弃物品进行实时识别、定位,并进行抓取操... 详细信息

随着现代医疗水平的快速提高,医疗废弃物品的处理问题显得尤为重要.本文针对医疗废弃物品的无接触收集问题,设计了一种医疗废弃物品收集小车.通过OpenMV搭配自行训练的mobilenet神经网络模型对废弃物品进行实时识别、定位,并进行抓取操作.实验结果表明,小车能够以较高的识别率识别出已训练过的物品并能对其进行准确抓取,较好地应对医疗废弃物处置问题.

关键词： OpenMV mobilenet模型 Edge Impluse平台收集小车

基于VD-mobilenet网络的WebAR生活垃圾分类信息可视化方法

在线全文

学校读者我要写书评

暂无评论

图学学报 2022年第4期43卷 667-676页

作者：刘南杉裴云强蒋皓韩永国吴亚东王赋攀易思恒西南科技大学计算机科学与技术学院四川绵阳621010 四川轻化工大学计算机科学与工程学院四川自贡643002

随着我国垃圾分类制度的加速推行,基于虚拟/增强现实技术的垃圾分类应用大量涌现。受识别设备平台及居民应用习惯等方面的影响,针对目前该类应用在便捷性、实用性上存在较大不足,提出了一种基于轻量化神经网络并融合移动增强现实及可视... 详细信息

随着我国垃圾分类制度的加速推行,基于虚拟/增强现实技术的垃圾分类应用大量涌现。受识别设备平台及居民应用习惯等方面的影响,针对目前该类应用在便捷性、实用性上存在较大不足,提出了一种基于轻量化神经网络并融合移动增强现实及可视化技术的垃圾分类应用方案。首先,提出了基于深度学习的垃圾分类可变扩张卷积VD-mobilenet模型方法能够解决移动设备中存在的计算能力有限、网络庞大等问题,通过在mobilenet模型中引入空洞卷积增加感受野、扩大垃圾的特征信息以提升分类精度,引入LeakyReLU激活函数优化网络的表达能力;其次,将该模型与WebAR技术结合,设计了一款面向移动设备的轻量级垃圾分类信息可视化系统,该系统具备跨平台特性,实现了对分类信息的多元化可视呈现,提供了灵活的交互方式。实验及评估表明,该VD-mobilenet模型在垃圾分类数据集中分类效果良好,能够在参数量不变的前提下有效减少计算量,此外结合该模型所设计的WebAR应用系统可为用户的垃圾处理事务提供合理有效地协助。

关键词：垃圾分类移动增强现实 mobilenet模型可视化技术空洞卷积 WebAR

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

岩渣分类边缘终端轻量化算法研究

隧道建设（中英文） 2021年第S01期41卷 161-166页

作者：王珩上海工业自动化仪表研究院有限公司上海200233

为达到掘进过程中掘进机可实时预测前方地质状况的目的,以实际工程案例的岩渣图片数据为基础,分析传统神经网络模型的结构特征,自主设计轻量化网络模型,并对岩渣图片进行训练,使用岩渣图像数据调整mobilenet轻量化网络模型参数。结果表... 详细信息

为达到掘进过程中掘进机可实时预测前方地质状况的目的,以实际工程案例的岩渣图片数据为基础,分析传统神经网络模型的结构特征,自主设计轻量化网络模型,并对岩渣图片进行训练,使用岩渣图像数据调整mobilenet轻量化网络模型参数。结果表明:1)传统的神经网络算法参数量多,占用内存量大,无法在现场部署算力有限的岩渣识别边缘终端,而自主设计的轻量化网络可以满足现场岩渣图像分类准确性的要求;2)mobilenet轻量化网络模型比传统网络模型减少了80%~90%的计算量,但岩渣图像分类准确性达到97%。

关键词： TBM 卷积神经网络岩渣分类出渣系统轻量化模型 Alex Net网络模型 VGG网络模型 mobilenet模型

基于轻量级卷积神经网络人脸识别算法的研究与应用

在线全文

学校读者我要写书评

暂无评论

传感器与微系统 2022年第1期41卷 153-156页

作者：胡佳玲施一萍谢思雅陈藩刘瑾上海工程技术大学电子电气工程学院上海201620

针对多数卷积神经网络(CNN)人脸识别算法在追求高精度的同时,加大网络层数,造成网络参数过多、计算量过大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种改进型轻量级卷积神经网络mobilenet的人脸识别算法。首先,将MobileNe... 详细信息

针对多数卷积神经网络(CNN)人脸识别算法在追求高精度的同时,加大网络层数,造成网络参数过多、计算量过大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种改进型轻量级卷积神经网络mobilenet的人脸识别算法。首先,将mobilenet中的SoftMax层为L-SoftMax层,避免了过度拟合,实现更好的分类效果。其次,将改进的mobilenet和区域生成网络(RPN)融合,并在Jetson Nano小型设备上进行训练。实验表明:所提算法与传统的卷积神经网络人脸识别算法相比,在LFW人脸数据库和自建的小型数据库上训练测试,模型的参数量减少了88%,识别准确率与原mobilenet相比增加了0.2%,达到了97.54%。运行速度较原mobilenet网络提高了21.3%。

关键词：人脸识别卷积神经网络 mobilenet模型 L-SoftMax层区域生成网络(RPN)

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于树莓派的服装识别系统设计

传感器与微系统 2021年第1期40卷 98-100,103页

作者：江美玲章杰福州大学物理与信息工程学院福建福州350000

针对用户家中服装存放无序、分类管理难度大且效率低下等问题,提出了一种基于树莓派的服装识别系统,该系统使用树莓派作为嵌入式开发板。系统通过树莓派调用摄像头获取待存放的服装图片,将图像传输到已训练好的mobilenet模型为核心的服... 详细信息

针对用户家中服装存放无序、分类管理难度大且效率低下等问题,提出了一种基于树莓派的服装识别系统,该系统使用树莓派作为嵌入式开发板。系统通过树莓派调用摄像头获取待存放的服装图片,将图像传输到已训练好的mobilenet模型为核心的服装识别系统中进行类型识别;最后将服装识别的结果和相对应的储存位置通过语音的方式告知用户,以便用户快速准确地找到服装储存的位置。经实验测试,服装识别的正确率为95.19%。系统能够在准确识别服装的基础上,获取该类服装在衣橱中的存放位置,以帮助用户高效、准确地分类管理不同款式的服装。

关键词：树莓派服装识别 mobilenet模型

基于深度迁移学习的复杂场景下行人检测方法研究

在线全文

学校读者我要写书评

暂无评论

基于深度迁移学习的复杂场景下行人检测方法研究

作者：任宇杰中北大学

学位级别：硕士

近几年以来,随着硬件资源的不断发展和计算机视觉的提出,二者结合在各行各业的应用更加普及,其中计算机视觉就是其中一个重要的方向。目标检测技术作为计算机视觉的一个重要的分支也备受关注,一直是研究的热点。深度学习与迁移学习作为... 详细信息

近几年以来,随着硬件资源的不断发展和计算机视觉的提出,二者结合在各行各业的应用更加普及,其中计算机视觉就是其中一个重要的方向。目标检测技术作为计算机视觉的一个重要的分支也备受关注,一直是研究的热点。深度学习与迁移学习作为当今高效率的识别算法技术,其特点中包含结构简单、鲁棒性强、训练参数少等。由于图像数据种类多样,纷繁复杂,包含的信息种类繁多,因此如何通过使用人工智能的相关技术将其中有用的信息既快速又准确的提取出来成为了研究的重点与难点。为了提高目标检测中的一种基本模型--SSD模型的准确率和效率,我们采用了已经较为成熟的图像处理方法处理相关的图像数据。并且将基本模型与一种轻量级的深层神经网络进行结合,构建一种结合特征金字塔的多尺度卷积神经网络结构。本文首先对实验所需要的图像进行了数据采集与处理,其次对目标检测的基本模型进行改进,通过在多场景图像数据中进行模型的训练、验证、测试,力求使模型在多任务场景中具有很好的鲁棒性;进而将该模型通过迁移学习应用于单一的行人检测场景之中,使得该模型在识别能力方面有良好的效果。本文着力于实验和探讨以下几个部分:(1)对基本模型的低层卷积层的特征图进行区域放大,使其保留更多的图像特征信息,再对高层卷积特征层进行特征提取,保证模型在进行模型检测时的准确率。在对重叠目标候选区域进行过滤时,采取非极大值抑制设置阈值的方法减少冗余的目标候选区域,在减少产生的负样本数量的同时使得模型的检测效果趋于稳定。在目标检测的过程中,为了保证模型的稳定性,处理预测区域与真实区域匹配的过程中所产生的正负样本。(2)激活函数在深度学习技术中是极其重要的,近几年来深度学习技术在各个领域取得了越来越多的成就离不开激活函数的不断发展。现有的一些激活函数,诸如Sigmoid,Tanh,ReLu等,随着技术的不断发展,弊病也越来越明显,诸如受噪声数据影响大,不利于神经网络对图像稀疏数据的学习,出现“梯度消失”、“神经元死亡”等带来的“过拟合”现象。为了防止过拟合等现象的产生,使用ReLu代替传统的ReLu函数。实验结果表明,ReLu能有效缓解过拟合的产生,使模型具有更好的鲁棒性。(3)改进了基本模型的卷积神经网络结构。针对现阶段卷积神经网络模型参数数量大、运算时间长、极大消耗计算资源的情况,提出与一种轻量级的深层神经网络结构mobilenet相结合,大幅度减少参数的数量,且对于模型准确率下降的影响也很小,不仅保证了模型的准确率,也加快了模型的运算速度,满足了模型对于实时性的要求。综上所述,本文对深度学习在计算机视觉领域中的目标检测方向进行了一定的研究,所使用的方法通过实验验证了其效果,证明了所提方法的有效性,同时也说明了该研究成果具有一定的理论意义和实际的应用价值。

关键词：多尺度卷积特征 SSD模型 mobilenet模型图像目标检测

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

煤层气井站异常场景识别算法的研究

煤层气井站异常场景识别算法的研究

作者：金雪莲大连理工大学

学位级别：硕士

随着当代人类生活环境的急剧恶化,人们对于环境保护的关心程度愈发增强,而煤层气作为一种典型的清洁能源得到了人们极大的重视。我国煤层气的高储量为我国的煤层气开采事业的发展提供了依据,但由于煤层气易燃易爆的特性使得煤层气的开... 详细信息

随着当代人类生活环境的急剧恶化,人们对于环境保护的关心程度愈发增强,而煤层气作为一种典型的清洁能源得到了人们极大的重视。我国煤层气的高储量为我国的煤层气开采事业的发展提供了依据,但由于煤层气易燃易爆的特性使得煤层气的开采过程存在着严重的安全隐患。同时由于煤层气田多以分散式分布于偏远的山区,野外环境复杂,如若采用传统的人工巡逻监测现场的方式,一方面,安全性得不到保障,另一方面也会造成人力和物力资源的浪费。因此,需要设计一种采用无线技术的现场监控系统,本文则重点对系统采用的煤层气井站异常场景识别算法进行研究。本文首先介绍了在卷积神经网络出现以前对于视频监控常用的目标检测算法。此类算法的原理是前景分割技术,即将输入图像分割为前景目标(感兴趣物体)与背景两部分。并对代表算法帧差法、背景减除法、光流法的原理进行概述。但由于此类算法不能有效针对特定物体进行检测,对于本文实验场景误检率过高,故不采用此类算法。其次,结合本文的实际实验环境,采用基于卷积神经网络的目标检测技术。按其原理可分为基于区域提名的目标检测算法和基于端对端学习的目标检测算法。介绍了代表性算法R-CNN算法、Fast R-CNN算法、Faster R-CNN算法、YOLO算法、SSD算法的原理和流程。针对每种算法的优缺点进行比较,结合本文复杂煤层气监控环境,确定主体算法为SSD算法。由于传统SSD算法主体多为VGG-16模型,而该模型计算量大、使用参数多,使算法在实时性上效果不理想,因此结合实际情况,本文选择使用mobilenet模型替换VGG模型并合并了BN层。在引入mobilenet模型后,构建了mobilenet-SSD(MSSD)目标检测算法,该算法在乘法与加法计算次数和使用参数个数明显减少。同时使用Soft NMS算法替代传统SSD算法中使用的NMS算法。这两处改进使得算法的性能得到了优化。最后,对算法效果进行验证。针对实验要求,本文使用VOC 2007和部分添加图片构建以行人和车辆为主体的数据集,并在此数据集上对此算法进行训练和验证。实验结果表明,本文算法是识别监控视野中行人和车辆的理想选择。算法可以识别图像边缘目标物体、小部分被遮挡目标物体、多个目标对象和小的远距离目标对象。改进后的算法在运行时间上有小幅度减少,在识别准确度上也有提升。同时,该算法同样适用于其他场景。综上,算法的准确性和实时性都可以满足远程监控的需要。

关键词：煤层气(CBM) 目标检测卷积神经网络 SSD mobilenet模型

一种改进的mobilenet网络车载图像识别方法

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

吕梁学院学报 2021年第2期11卷 15-20页

作者：张凯斐王翠娥吕梁学院计算机科学与技术系山西离石033001

对行人和车辆的识别是行车记录仪识别系统的重要组成部分,为满足车载识别系统对算法模型检测实时性和简洁性的需求,以传统mobilenet为基础网络,提出了一种车载图像识别改进算法。该算法优化了mobilenet网络的Con DW3×3、Conv3×3卷积... 详细信息

对行人和车辆的识别是行车记录仪识别系统的重要组成部分,为满足车载识别系统对算法模型检测实时性和简洁性的需求,以传统mobilenet为基础网络,提出了一种车载图像识别改进算法。该算法优化了mobilenet网络的Con DW3×3、Conv3×3卷积层相关参数,网络的计算量明显减少,识别速度有效提高。利用行车记录仪获得的实际数据集进行训练,实验结果表明,改进算法在识别速率上提高了6.6%。相比同类网络模型Squeezenet,训练的迭代次数显著降低。

关键词： mobilenet模型检测实时性卷积神经网络图像识别车载图像

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家蚕农药中毒识别研究

蚕学通讯 2022年第4期42卷 17-23页

作者：吴建梅陈肖石洪康胡光荣叶晶晶李永远张剑飞四川省农业科学院蚕业研究所四川南充637000

由农药污染桑叶造成的家蚕中毒是蚕茧生产减收的主要原因之一。现有的家蚕农药中毒识别方法主要是人工观察大量蚕儿出现的明显症状进行识别。为了提高诊断的效率和准确性,运用深度学习方法的卷积神经网络开展了家蚕农药中毒的智能识别... 详细信息

由农药污染桑叶造成的家蚕中毒是蚕茧生产减收的主要原因之一。现有的家蚕农药中毒识别方法主要是人工观察大量蚕儿出现的明显症状进行识别。为了提高诊断的效率和准确性,运用深度学习方法的卷积神经网络开展了家蚕农药中毒的智能识别研究。通过给4龄初期幼虫添毒的方式集中获取敌杀死(溴氰菊酯)、草甘膦2种农药中毒的家蚕样本,并以相同日龄的健康家蚕作为参照,使用智能手机在实际环境下采集图像,构建家蚕中毒症状的图像数据集。在此基础上,利用轻量级卷积神经网络mobilenet模型开展识别试验,结果显示对2种农药中毒的识别准确率分别为95.0%和99.6%。初步的研究结果提示,进一步构建种类更加完整的基于卷积神经网络的家蚕农药中毒识别系统,将有助于蚕桑生产上家蚕中毒的农药污染溯源分析和精准预防。

关键词：家蚕农药中毒图像数据卷积神经网络 mobilenet模型