检索结果-南通市图书馆

基于repvgg和LSTM两阶段移动众包任务分配算法

在线全文

学校读者我要写书评

暂无评论

燕山大学学报 2023年第2期47卷 152-163页

作者：于嵩潘庆先童向荣刘庆菊褚佳静烟台大学计算机与控制工程学院山东烟台264005

移动众包是一种新型的感知模式,已被广泛应用于移动计算和城市生活交通服务,任务分配是移动众包中核心研究问题之一。但由于任务是动态到达的,移动众包平台在初始并不了解所有的众包任务,导致任务分配往往会陷入局部最优。为了解决上述... 详细信息

移动众包是一种新型的感知模式,已被广泛应用于移动计算和城市生活交通服务,任务分配是移动众包中核心研究问题之一。但由于任务是动态到达的,移动众包平台在初始并不了解所有的众包任务,导致任务分配往往会陷入局部最优。为了解决上述问题,本文提出了一种基于深度学习的两阶段预测算法,第一阶段使用基于repvgg的网络进行任务可用性的预测,第二阶段使用基于LSTM的网络进一步进行任务持续时间的预测。通过实验对比,本文所提出的算法在预测任务可用性上的准确度比传统的机器学习算法提高了32%,比同样基于深度学习的算法提高了14.2%,在预测任务持续性上的准确度相比其他算法提高了10.5%。

关键词：移动众包任务分配 repvgg LSTM 任务可用性任务持续性

融合repvgg的YOLOv5交通标志识别算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2024年第9期24卷 3869-3875页

作者：郭华玲刘佳帅郑宾殷云华赵棣宇中北大学电气与控制工程学院太原030051 瞬态冲击技术重点实验室北京102202

实现自动驾驶的安全性需要准确检测交通标志。针对传统方法在交通标志检测方面存在准确度不高的问题,提出一种融合repvgg模块的改进YOLOv5的交通标志识别算法。首先通过将repvgg模块替换原算法中的部分CBS模块,增强了特征提取能力。并... 详细信息

实现自动驾驶的安全性需要准确检测交通标志。针对传统方法在交通标志检测方面存在准确度不高的问题,提出一种融合repvgg模块的改进YOLOv5的交通标志识别算法。首先通过将repvgg模块替换原算法中的部分CBS模块,增强了特征提取能力。并在特征融合模块引入通道注意力模块(channel block attention module,CBAM),强化检测模型的抗干扰能力。最后,在网络训练过程中,使用高效交并比(efficient-IoU,EIoU)损失函数实现对目标更精确的定位,提高算法的检测精度与迭代速度。实验结果表明,改进后的YOLOv5算法迭代速度更快,在CCTSDB交通标志数据集上,其相较于原YOLOv5算法的准确率、召回率和平均准确率分别提升了4.99%、3.62%、1.73%,能够更好地应用到实践当中。

关键词：深度学习 YOLOv5 repvgg 注意力机制 EIoU 交通标志识别

基于双线性repvgg注意力网络的花卉分类

在线全文

学校读者我要写书评

暂无评论

激光杂志 2024年第4期45卷 165-171页

作者：侯向宁赵金伟黄孝斌蒋维成成都理工大学工程技术学院四川乐山614000 核工业西南物理研究院成都610200 西安理工大学计算机科学与工程学院西安710048

为进一步提高花卉分类的准确率,在对双线性卷积神经网络、repvgg及注意力机制进行研究的基础上,提出一种基于双线性repvgg注意力机制的网络模型。首先利用repvgg网络替换原始的特征提取网络VGG,以提高对花卉主要特征的提取能力;然后在两... 详细信息

为进一步提高花卉分类的准确率,在对双线性卷积神经网络、repvgg及注意力机制进行研究的基础上,提出一种基于双线性repvgg注意力机制的网络模型。首先利用repvgg网络替换原始的特征提取网络VGG,以提高对花卉主要特征的提取能力;然后在两个repvgg网络中分别引入通道注意力及空间注意力机制,并利用两个repvgg网络外积后生成的高维双线性特征,来提取花卉的细粒度特征;最后通过结构重参数化,将repvgg的各层转换为单路结构,以提高模型推理的速度。实验结果表明,在增强的Oxford-102数据集上,新模型与原始模型及常见模型相比,其推理速度及分类准确率均有较大的提升,与未引入注意力前相比,分类准确率也有一定的提升。

关键词：双线性卷积神经网络 repvgg 注意力机制细粒度结构重参数化

在线全文

学校读者我要写书评

暂无评论

基于repvgg的疲劳驾驶检测算法

兵工自动化 2024年第12期43卷 26-29,41页

作者：夏庆锋李明阳宋志强许可儿无锡学院自动化学院江苏无锡214105 南京信息工程大学自动化学院南京210044

为提高疲劳驾驶检测方法的准确率和可部署性,提出一种基于repvgg的疲劳驾驶检测算法。在模型中增添空洞卷积金字塔池化(atrous spatial pyramid pooling,ASPP)模块,以捕捉多尺度疲劳特征信息。将卷积块注意力模块(convolutional block a... 详细信息

为提高疲劳驾驶检测方法的准确率和可部署性,提出一种基于repvgg的疲劳驾驶检测算法。在模型中增添空洞卷积金字塔池化(atrous spatial pyramid pooling,ASPP)模块,以捕捉多尺度疲劳特征信息。将卷积块注意力模块(convolutional block attention module,CBAM)与ASPP模块结合,单独应用于模型中,进一步强调和捕捉疲劳特征表达的多尺度信息和重要区域信息,并抑制图像中的背景信息,从而提高模型的性能和鲁棒性。结果表明:改进repvgg算法在疲劳驾驶数据集上的准确率达到了97.34%,比原算法提高了2.51%,且模型参数量仅为7.1×106,具有良好的检测精度和可部署性。

关键词： repvgg 疲劳驾驶检测 ASPP CBAM

面向FPGA的repvgg存算资源优化方法研究

在线全文

学校读者我要写书评

暂无评论

面向FPGA的RepVGG存算资源优化方法研究

作者：王畅驿哈尔滨工业大学

学位级别：硕士

现场可编程门阵列(Field-Programmable Gate Array,FPGA)是当前在嵌入式边缘端进行卷积神经网络(Convolutional Neural Network,CNN)模型推理加速的代表性高性能计算处理器,可为CNN中大量重复的卷积计算进行并行加速。为了充分利用FPGA... 详细信息

现场可编程门阵列(Field-Programmable Gate Array,FPGA)是当前在嵌入式边缘端进行卷积神经网络(Convolutional Neural Network,CNN)模型推理加速的代表性高性能计算处理器,可为CNN中大量重复的卷积计算进行并行加速。为了充分利用FPGA并行计算能力,需要针对推理过程高效且处理精度高的网络模型进行定制化计算结构设计,以满足在边缘端高速、高精度处理的需求。repvgg(Re-parameterization Visual Geometry Group)是一种针对模型精度和推理速度进行优化的CNN架构,在训练时使用多分支结构提高精度,在推理时转变为卷积算子单一且规则的单路结构,能在FPGA平台上获得更高的计算效率。然而,由于repvgg网络本身参数量和计算量较大,在FPGA上进行高效推理存在以下两个问题:一是存储资源问题,有限的片上存储导致大量数据在片外进行频繁的数据访存,增加了推理时间;二是计算资源问题,受限于处理器片上集成计算核心数量,使得repvgg难以在其上充分发挥并行计算的能力。针对上述问题,本文基于多层融合、量化及卷积计算变换等方法进行片外访存数据以及卷积计算优化。具体研究内容如下:(1)针对repvgg推理过程中,大量片外数据访存导致推理时间增加的问题,进行多层融合结构设计和量化操作以减少片外与片上存储器之间数据的交互。本文通过分块卷积的方式改变原始卷积结构,改善多层融合中的边缘数据依赖的问题,以便在加速器中进行多层融合设计,对网络结构数据流进行优化以减少中间特征图的片外传输;此外,通过量化的方式来减少网络权重数据以及中间特征图数据所需的存储空间,从而减少片外访存数据量。(2)针对推理过程中因FPGA计算资源有限导致的repvgg网络运行效率低的问题,在卷积计算层面对浮点数乘法运算进行优化,使用定点数移位运算来代替浮点乘法,从而减少卷积计算中的资源使用量,降低计算复杂度。本文将网络模型的权重转换为移位值和符号值,可在FPGA上使用定点数移位来替代原始网络中的浮点数乘法运算。(3)基于FPGA硬件平台,构建repvgg硬件加速器。本文在分块卷积和移位变换的基础上,进行repvgg计算系统控制调度程序的设计以及加速器卷积计算单元IP核的设计。实现repvgg模型在边缘端硬件平台的高效部署,并对片外访存数据量、资源使用情况、加速器性能进行评估,验证本文方法对计算资源以及片外访存数据优化的有效性。

关键词： repvgg 多层融合卷积变换 FPGA

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repvgg网络的实时车道线检测方法

计算机科学 2024年第7期51卷 236-243页

作者：蔡汶良黄俊重庆邮电大学通信与信息工程学院重庆400065

针对现有车道线检测方法存在的检测速度慢、检测精度低的问题,将车道线检测视为分类问题,提出了基于repvgg网络的实时车道线检测方法。在repvgg网络中融合不同层级特征图,减少空间定位信息的损失,提高车道线的定位精度。采用曲线建模的... 详细信息

针对现有车道线检测方法存在的检测速度慢、检测精度低的问题,将车道线检测视为分类问题,提出了基于repvgg网络的实时车道线检测方法。在repvgg网络中融合不同层级特征图,减少空间定位信息的损失,提高车道线的定位精度。采用曲线建模的后处理方法,从整体和局部两个角度修正车道线预测结果。挖掘车道线定位中的分布信息,提出了基于分布指导的车道线存在预测分支,直接从车道线定位分布中学习车道线的存在特征,在略微提升推理速度的同时进一步提升检测精度。在TuSimple和CULane数据集上的实验表明,该模型在检测速度和精度上取得了良好的平衡。在CULane数据集上,所提方法的推理速度为目前同类方法中检测速度最快的UFLDv2算法的1.13倍,同时F1分数从74.7%提高到77.1%,达到了实时检测任务的需求。

关键词：计算机视觉 repvgg 车道线检测曲线拟合特征融合后处理

基于改进repvgg和增强时空注意力机制的红外车辆目标检测算法

在线全文

学校读者我要写书评

暂无评论

电子信息对抗技术 2024年第5期39卷 77-83页

作者：潘博阳彭为花武警指挥学院天津300250

针对复杂场景下传统红外车辆目标检测算法精度不佳、计算量大等问题,提出基于改进repvgg(Re-parameterization Visual Geometry Group)和增强时空注意力机制(Enhanced Spatial Temporal Attention Mechanism,ESTAM)的红外车辆目标检测算法。以YOLOv8n(You Only Look Once v8 nano)模型为基础,在骨干网络和颈部网络引入C2frepvgg(CSP Bottleneck with 2 Re-parameterization Visual Geometry Group)模块,保证检测精度且减少模型参数量。在骨干网络尾部添加增强时空注意力机制模块,优化红外车辆目标特征表达。使用Wise-IOU损失函数(Wise-IOU Loss)代替CIOU损失函数(Complete IOU Loss),减少训练过程中模型对于低质量锚框产生的有害梯度。实验结果表明,提出的算法在红外车辆数据集中检测精度和计算复杂度相较于其他算法均具有比较优势,该模型的平均检测精度达到94.4%,参数量为2.85×10^(6),浮点计算量为7.4×10^(9),能够对复杂场景下的红外车辆目标实现高精度检测。

关键词：红外车辆目标检测 repvgg 增强时空注意力机制

在线全文

学校读者我要写书评

暂无评论

改进repvgg的鸟类识别分类算法

中国新通信 2024年第8期26卷 22-24页

作者：万勇李继武李维汉邱宇晟国网江苏省电力有限公司泗洪县供电分公司

鸟类生活在多样的生态环境中,其羽毛、体型、颜色等特征具有较大的随机性和多样性,因此需要有效的算法来实现精确的鸟类识别,有效识别各种鸟类目标,这具有重要的生态环境保护意义。本文使用改进后的repvgg网络对鸟类图像进行分类。为了... 详细信息

鸟类生活在多样的生态环境中,其羽毛、体型、颜色等特征具有较大的随机性和多样性,因此需要有效的算法来实现精确的鸟类识别,有效识别各种鸟类目标,这具有重要的生态环境保护意义。本文使用改进后的repvgg网络对鸟类图像进行分类。为了提取到更有效的特征表示,在repvgg的特征提取网络中插入了CBAM注意力机制模块。这个模块能够自适应地调整特征图的通道和空间注意力,从而增强重要特征的表达能力。另外,由于数据样本存在不平衡问题,本文还引入了IB Loss的类平衡损失函数。该损失函数基于样本对模型训练的影响,为不同样本分配不同的权重,以实现类平衡化。经过一系列实验表明,基于repvgg网络和CBAM注意力机制的算法能够在识别不同种类的鸟类图像时取得较好的准确度。这表明本文的算法具备一定的实用性和准确性,对于鸟类目标的识别和生态环境的保护具有重要意义。

关键词：图像分类 repvgg CBAM IB Loss 鸟类识别

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种基于repvgg的图像分类方法

长江信息通信 2024年第4期37卷 146-148页

作者：胡益博杨舒鹏马思雨朱梦兰高仁仆蒋明忠桂林理工大学信息科学与工程学院广西桂林541004

针对传统基于深度学习的图像分类模型,所存在模型训练过程中由于网络层增加所导致过拟合的问题,提出了一种基于repvgg的图像分类方法。文章基于repvgg模型进行优化,在优化的模型中引用残差注意力机制增强网络对图像特征的提取,并且采用... 详细信息

针对传统基于深度学习的图像分类模型,所存在模型训练过程中由于网络层增加所导致过拟合的问题,提出了一种基于repvgg的图像分类方法。文章基于repvgg模型进行优化,在优化的模型中引用残差注意力机制增强网络对图像特征的提取,并且采用全卷积层替代全连接以提高模型对图像特征信息的处理能力。实验结果表明,本文所提出的方法具有较高的精确度,其最高准确率为96.3%,证明了本优化算法的有效性。

关键词： repvgg 图像分类残差注意力全卷积层

维普期刊数据库博看期刊