【摘 要】
：
动态视觉传感器生成的图片中冗余信息较少,能降低对后端处理器的要求。然而,其成像与一般深度学习所用图像大有不同,现有的深度学习算法在该类图片上还有一定的提升空间。为此,针对其成像特点,提出了一个在该类图像上表现良好的深度学习算法。首先,选用Mobilenet-YOLOv3算法,并对其网络进行剪枝。其次,在网络中加入ResNet结构。通过在采集的数据集上实验对比,证明该方案大大地减少了对计算机算力的要
【机 构】
：
上海工程技术大学机械与汽车工程学院
【基金项目】
：
青年科学基金项目(编号:51505275),国家自然科学基金项目(编号:51675324)资助。
论文部分内容阅读
动态视觉传感器生成的图片中冗余信息较少,能降低对后端处理器的要求。然而,其成像与一般深度学习所用图像大有不同,现有的深度学习算法在该类图片上还有一定的提升空间。为此,针对其成像特点,提出了一个在该类图像上表现良好的深度学习算法。首先,选用Mobilenet-YOLOv3算法,并对其网络进行剪枝。其次,在网络中加入ResNet结构。通过在采集的数据集上实验对比,证明该方案大大地减少了对计算机算力的要求,其FLOPs值仅为原算法的1/5不到。并对检测效果有一定的提升,尤其在查全率上提升了8%。
其他文献
为了在保护关节假体寿命与美观的前提下,实现对假体的自动清洗,设计了一种基于单片机STC89C52RC的智能清洗设备控制系统。该系统用HX711检测关节假体与工作台是否夹紧,液位控制模块来检测液位,配合蜂鸣器提醒,超声波传感器控制刷头与关节假体的距离,各种数据通过LCD1602进行显示。同时,为了保证供水系统的精度,系统采用了神经网络PID算法。
利用微状态的时-空分析特性,采用高密度(128通道)脑电图对20例主观性耳鸣患者和20例对照组的微状态特征进行了研究。通过微状态的平均存在时间、发生频率、覆盖率、振幅和转换率参数的计算与分析,揭示了耳鸣患者和健康人脑电微状态分类的时间特征和语构存在显著差异,也反映了脑电图微状态可以作为大规模脑网络的一种有价值的分析研究方法。
针对大型飞机上任务系统与采集设备距离较远的特性,在试飞过程中,需要对任务系统同时进行显示和采集功能,论文研制了一种DVI视频分配器,研究了视频信号输出特性、分配器均衡配置特性和中继传输特性,实现对任务系统的分配功能,整个系统体积减小,性能稳定,可靠性高,具有很高的应用价值。
针对传统的车道线跟踪系统在复杂交通流情况下,利用卡尔曼滤波无法有效跟踪车道线的问题,论文提出了一种融合车辆与车道线检测的跟踪算法。该算法首先利用二阶高斯方向滤波器提取车道线检测的响应,同时利用haar-like特征检测图像平面中的车辆的2D回归框,并利用卷积神经网络预测车辆的3D回归框区域。利用车辆3D回归框的在车道线平面上的投影,结合改进的卡尔曼滤波同时跟踪车道线和车辆位置,避免因为车辆的遮挡造
近年来,基于深度学习的场景文本检测算法层出不穷,对于EAST在自然场景中对长文本和较大文本检测不准确,存在容易出现误检漏检的问题。论文提出一种基于NLA-EAST网络(Non-Local Attention-An Efficient and Accurate Scene Text Detector)上的新颖的文本检测算法,通过ASPP空洞卷积来扩大感受野,来获得更大感受野的上下文信息。并且通过结合
文章基于国土空间背景,融合“山水林田湖草”理念,采用景观指数、土地利用转移矩阵、空间叠加分析3种方法,分析南京市区域生态空间格局演变趋势,以期对生态空间格局优化提供一定参考。
为提高两栖装甲装备备件保障效率,论文对携行备件配置优化问题进行研究。考虑备件单个部件价格、部件保障率和部件可更换性等因素,建立分别以保障费用和整体保障率为约束条件的配置优化模型。论文对每个备件从故障率、可更换性和的重要性三个方面进行权重值分配。结合历史经验数据及系列计算求取权重值。根据目标函数形式不同采用对目标函数进行搜索和对目标函数进行转换两种方法,分别对模型一和模型二求取最优解。最后以某两栖装甲部队濒海训练红蓝对抗演习任务为例,分别计算不同约束条件下的保障率进行比对,验证了模型的有效性。
针对多控制器SDN网络环境下的负载均衡问题,论文提出了一种基于交换机迁移的动态负载均衡策略,共分为三个实施阶段:首先通过动态信息采集算法(DIA)收集各控制器间的负载信息,以决定需要实施交换机迁移算法的过载控制器;随后依据论文定义的迁移域及迁移交换机选取算法(MSS)决定迁移目标控制器以及需要迁移的交换机;最后依据交换机迁移协议完成交换机迁移,实现多控制器下的负载均衡。仿真实验结果表明负载均衡后SDN网络中交换机的吞吐率显著提升,且各控制器负载逐渐趋于均衡。
对于自然场景中拍摄的汉字图像,现有的汉字识别算法出现了很多问题,如传统的BP神经网络算法识别效率低下,传统的RBF神经网络算法识别准确率不高等,针对这些问题,论文提出了融合K-means和RBF神经网络的汉字识别算法。该算法通过引入减聚类算法,来计算出K-means算法的初始聚类中心及其个数,接着用K-means算法计算出RBF神经网络算法的径向基函数的中心,最后确定径向基函数的宽度以及隐含层到输
学术论文的评审工作大多采用同行评审的方法完成,但庞大的稿件数量给人工评审带来了过重的负担,审稿人的主观偏好对结果的影响也不容忽视。基于此,提出一种基于类概率的多分类器加权投票模型来预测论文评审结果,协助人工评审。该模型采用基于集成学习的投票法,根据文本的词汇特征和评审准则的统计特征对样本进行分类。并充分考虑各分类器的性能差异,通过融合类概率进一步调整和优化权重系数,从而使投票模型的性能得到提升。实验证明,论文所提出的方法有效地提高了模型的性能,预测结果的准确率更高。