【摘 要】
:
在行人检测领域,基于卷积神经网络的深度学习技术已经取得了比传统方法更好的检测性能。但随着深度卷积神经网络的迅速发展,检测模型的网络结构也愈加复杂,参数量和计算量快速增加。在计算资源有限的硬件设备部署行人检测模型时,如何在保证检测精度的条件下满足检测实时性的要求就成为亟需解决的问题。本文围绕基于锚框的单阶段行人检测方法展开研究,针对在计算资源有限的硬件设备实现行人检测任务所面临的实际问题,结合轻量化
论文部分内容阅读
在行人检测领域,基于卷积神经网络的深度学习技术已经取得了比传统方法更好的检测性能。但随着深度卷积神经网络的迅速发展,检测模型的网络结构也愈加复杂,参数量和计算量快速增加。在计算资源有限的硬件设备部署行人检测模型时,如何在保证检测精度的条件下满足检测实时性的要求就成为亟需解决的问题。本文围绕基于锚框的单阶段行人检测方法展开研究,针对在计算资源有限的硬件设备实现行人检测任务所面临的实际问题,结合轻量化卷积神经网络、损失函数优化与图像注意力机制进行深入研究。主要研究内容和成果如下:(1)选择YOLOv5s作为行人检测基础模型,针对其参数量和计算量较大,在计算资源有限的边缘硬件上检测性能较弱的问题,对其进行轻量化。首先使用优化后的Shuffle Net v2替换其主干网络,然后使用剪枝、加和操作以及深度可分离卷积等方法对其颈部进行轻量化,最后使用行人数据集训练轻量化后的模型,得到了参数量和计算量都较低的轻量化行人检测模型。(2)针对轻量化行人检测模型精度下降较多的问题,使用一种损失函数优化方法对其进行改进。基于对Alpha-Io U损失函数的研究分析,结合CIo U损失函数的特性,提出p-CIo U损失函数。实验结果表明,在模型训练过程中使用p-CIo U损失函数可以有效提升高水平边界框的检测精度,同时不会增加模型的参数量和计算量,达到提升轻量化行人检测模型检测精度的目标。(3)针对轻量化行人检测模型精度下降较多的问题,使用注意力机制对其进行优化。首先研究了注意力机制的相关理论,然后对混洗注意力机制的特点进行了分析,最终选择将混洗注意力模块嵌入轻量化行人检测模型的主干网络中,并通过实验探索了相对较优的嵌入位置,达到了行人检测模型轻量化条件下提升检测精度的目标。(4)在移动端对行人检测方法进行部署并测试。首先对轻量化行人检测模型的权重参数文件的格式进行转换,使其满足在移动端设备部署的条件。然后利用NCNN前向计算框架与适合部署的行人检测模型,实现了安卓系统上的行人检测应用程序。最后在移动端设备上对该应用程序进行测试,验证了本文设计的轻量化行人检测模型可以较好地满足检测实时性的需求,具有较好的检测性能。
其他文献
在信息化时代,电子病历有着传统纸质病历无可比拟的优势,从而被广泛应用。在我国,已有超过96%的医院开展了医院信息系统建设工作。电子病历记录着患者就诊过程的全部数据,对于医疗机构和第三方而言,均有较高的应用价值,但对患者而言,具有高度的生理和心理敏感性。医疗机构作为电子病历数据的采集方、保存方和应用方,任何的技术欠佳和管理不当都可能产生规模性的隐私侵犯案件。一旦患者的电子病历隐私遭受侵犯,导致患者的
随着航空航天,交通运输和国防、军事工业的发展,业界对铝合金的强度、塑性和尺寸稳定性提出了更高的要求。传统铝合金存在强度低、尺寸稳定性差、不耐高温等缺陷,因此急需开发强度高、塑性好、尺寸稳定性高的新型铝合金材料。纳米金刚石(nanodiamond,ND)既具有金刚石高硬度、高强度和低热膨胀系数的优势,同时又具有纳米材料尺寸小,比表面积大,表面能高和表面易修饰等优良特性,是一种颇具应用前景的铝基复合材
毫米波频段通信是5G技术的重要组成部分之一,提供更快的上下行速度,更宽的带宽,更低的延迟以及更少的干扰,是未来无线通信的重点发展方向。相控阵天线因波束的灵活跳变被广泛应用于卫星通信、蜂窝移动通信、目标跟踪系统等方面,宽角扫描毫米波相控阵天线是5G、6G通信系统的研究热点。然而目前的相控阵天线大多只能在±45°范围内扫描,并且时常伴随着4-5d B的增益波动,本文针对相控阵天线的波束扫描能力以及增益
目前学界为数不多的将经典叙事学运用于翻译批评的研究,多聚焦于叙事视角、话语呈现方式、讲述与展示、叙事时间、不可靠叙述、叙事距离6个元素,而且留有很多深入研究的空间。这在理论和实践上都难以满足译本全面的叙事翻译批评需求。本文又提出叙事空间、隐含作者、元叙事、易读性与可读性、叙事结构、叙事功能6个元素。通过运用跨学科移植法和“规定+描写辩证批评法”,我们建立一个包括上述12个元素以及相应详细考察要点的
5G通信产业本身对于频率源的准确度和稳定度的要求很高,使用中国北斗卫星导航系统(Bei Dou Navigation Satellite System,BDS)信号驯服恒温晶体振荡器(Oven Controlled Crystal Oscillator,OCXO)改善恒温晶振输出频率的老化漂移和稳定漂移的技术是解决部署问题的关键。如何提升恒温晶振在失去锁定后的保持能力成为至关重要的问题。本文研究提
随着电子数据采集设备的普及,每天都有大量的信号序列数据通过网络传输的方式,源源不断的输送到数据终端。这些采集到的序列数据里,相邻事件之间可能存在某些必然的联系,揭示设备中事件的发生规律。近年来,计算设备数据处理能力的提升,使得人们从海量序列数据中,挖掘出频繁出现的序列情节片段成为可能。如何对序列信号数据进行高效的频繁情节挖掘,发现序列信号中潜在的规律信息,引起学术界的持续关注。与序列模式挖掘不同,
深度卷积神经网络模型已经成为图像分类应用的基石,在生物认证、智慧医疗、自动驾驶等场景中发挥重要作用。近年来,对抗样本揭示了卷积分类模型的脆弱性,向模型的安全性提出了严峻挑战。攻击者通过在原图像素上添加扰动生成对抗样本,令模型错误地判断图像类别,但对于人类视觉系统而言,对抗样本和原图的类别一致。然而,由于神经网络工作机理的高复杂性和不透明性,至今无法提出一步到位的方法使模型产生免疫。因此,以增强模型