【摘 要】
：
针对Yolov3算法应用于人体检测中的准确率低,参数量、计算量和模型体积大难以在资源有限的嵌入式平台上实现等问题,提出了YOLOv3改进及其模型压缩算法.在YOLOv3中通过引入密集连接与多分支结构,增加网络宽度和多尺度感受野,加强特征重用,提高了模型的检测精度;对改进的YOLOv3通过联合优化权重损失函数和BN层缩放因子的L1正则项等方式进行通道剪枝,从而减小了参数量和计算量,模型体积得到了大幅压缩.实验结果表明,改进后YOLOv3算法的检测精度提升了6.01％,模型体积减小了38.46％;经过压缩后,
【机 构】
：
陕西科技大学电气与控制工程学院,陕西西安 710021
论文部分内容阅读
针对Yolov3算法应用于人体检测中的准确率低,参数量、计算量和模型体积大难以在资源有限的嵌入式平台上实现等问题,提出了YOLOv3改进及其模型压缩算法.在YOLOv3中通过引入密集连接与多分支结构,增加网络宽度和多尺度感受野,加强特征重用,提高了模型的检测精度;对改进的YOLOv3通过联合优化权重损失函数和BN层缩放因子的L1正则项等方式进行通道剪枝,从而减小了参数量和计算量,模型体积得到了大幅压缩.实验结果表明,改进后YOLOv3算法的检测精度提升了6.01％,模型体积减小了38.46％;经过压缩后,模型的检测精度虽然降低了3.16％,但模型体积仅为原来的3.31％,只有4.77 MB.因此,通过改进和压缩后的YOLOv3仍然保持较高的检测精度,而且模型体积得到大幅度的压缩,为YOLOv3模型在嵌入式平台上实现人体检测提供了支撑.
其他文献
谣言的传播会破坏社会秩序、危害国家稳定、造成大众恐慌,而社交平台的广泛应用使得信息传播速度更快、波及范围更广,加大了谣言造成的负面影响,如何快速准确地识别网络谣言成为信息传播领域的热点问题.谣言识别本质上是一个二分类问题,因而基于贝叶斯分类的思想设计了网络谣言识别的朴素贝叶斯分类算法,利用Matlab软件构建朴素贝叶斯分类器,并采用从微博中收集的数据对该算法进行实验验证,通过控制训练集,对比识别结果的准确率、精确率、召回率和F1值,探究了不同训练条件下的朴素贝叶斯分类器对谣言与非谣言的识别情况和内含规律.
随着人工智能技术的爆炸式发展,机器学习、深度学习等技术在人脸识别、行人检测和视频跟踪等各个领域得到了广泛的应用,其中利用目标检测进行室内人数统计一直以来是一个热门的研究.室内监控画面存在人群相互遮挡,且目标特征模糊等问题,往往导致检测准确率低,误检率和漏检率高等情况的出现.为了解决此问题,提出了一种基于全局注意力的室内人数统计模型,引入注意力机制,对目标检测算法YOLOv3进行改进,通过提取更多小人头或模糊人头的特征来增强检测能力.实验结果表明,改进后的网络模型具有更高的召回率和平均精度.
针对目前存在的应用于联盟链的实用拜占庭容错(PB F T)共识算法扩展性差、能耗高、效率低和主节点选取方式简单的问题,提出一种基于角色管理的拜占庭容错(RPBFT)共识算法.首先,将系统中的节点划分为管理者、候选者和普通节点3类具有不同职责的角色节点.其次,候选节点具有投票权,投票选举相应的候选节点为管理者;普通节点在满足条件后可以转化为候选节点.最后,通过奖励机制管理不同类型的角色节点之间的转化;不同角色节点的数量能够在网络节点总数发生变化时动态调整,使得算法可以适应动态网络.通过实验得出RPBFT共识
针对目前糖尿病视网膜病变识别主要依赖于医生的临床经验,病变特征难以用肉眼区分且识别率较低等问题,提出一种基于注意力神经网络的糖尿病视网膜病变分类方法.首先,对原始数据集中的视网膜图像进行归一化、直方图均衡化和数据增强等预处理;其次,调整经典的DenseNet,在避免梯度消失和保证分类精度的前提下,有针对性地减少连接数,提出了2-DenseNet,同时将注意力模块嵌入到2-DenseNet中,指导网络关注视网膜图像中的渗出物、厚血管和微动脉瘤等特征,使用改进后的网络对预处理后的图像进行训练并测试;最后,在公
异步时钟域设计中CDC信号的时序分析及收敛是超大规模高频数字电路设计功能正确的重要保证.为了减少设计面积,提出了一种CDC信号滑动窗口时序分析方法,该方法在每种corner的每条CDC通路上单独设置适当的时序约束窗口进行时序计算与分析,有效避免了常用的固定约束分析方法由于约束条件过严导致的虚假时序违反及不必要的时序修复,而使设计面积增大的问题,减轻了CDC电路的后端设计工作量.在16 nm工艺下的实验结果表明,该方法在时钟树偏差较大时与固定约束分析方法相比显著节省了设计面积.
针对雾霾情况下室内外图像深度难以估计的问题,提出了融合感知损失函数的单幅雾霾图像深度估计方法.首先采用双尺度网络模型对雾霾图像进行粗提取,再结合底层特征进行局部细化;然后在上采样阶段使用多卷积核上采样方法,得到雾霾图像的预测深度图;最后将像素级损失函数与感知损失函数结合构造新的复合损失函数,对网络进行训练.在室内NYU Depth v2数据集和室外Make3D数据集上进行训练、测试和验证,结果表明:添加了多卷积核上采样方法和复合损失函数的双尺度网络模型能够很好地估计出单幅雾霾图像的深度信息,提高了雾霾情况
在三维未知环境中无人机目标搜索是一项非常具有挑战性和现实性意义的任务.鸽群优化算法相比于其他智能算法收敛速度快,搜索效率高,适用于目标优化任务,因此提出一种基于鸽群优化算法的多无人机目标搜索方法,无人机通过搜索目标留下的信息素搜寻目标.针对鸽群优化算法容易陷入局部最优的问题,利用基于差分进化策略对鸽群优化算法进行改进.仿真实验验证了提出的基于改进鸽群优化算法的多无人机目标搜索方法的合理性和有效性.
针对传统手势识别方法存在的耗能大、部署困难等问题,提出了一种基于WiFi的手势识别方法.通过从WiFi信号中收集到的信道状态信息中抽取多普勒频移组件,解决无线手势识别方法中提取的统计特征与具体手势动作映射关系不明确的问题.同时,提出了一种CGRU-ELM的深度混合模型,对提取到的多普勒频移组件进行特征提取和分类,并对常用的6种人机交互手势进行了识别.实验结果表明,该方法对于以WiFi信号为输入参数的手势识别平均准确度达到了93.4％.
针对大视差图像拼接过程中出现的错位、重影等问题,提出一种基于特征聚类的图像拼接算法.首先,以已匹配的特征点分布为依据在目标图像重叠区域构造泰森多边形.然后使用改进的AG-N ES层次聚类算法对特征点聚类,合并对应组内特征点所代表的泰森多边形,得到目标图像重叠区域的各个子平面.最后,求解对应子平面的单应性矩阵,并采取就近原则分配非重叠区域的单应性矩阵,对目标图像进行投影变换,得到拼接图像.实验结果表明,所提算法具有较高的配准精度,可有效改善大视差图像拼接过程中出现的误配准和局部失真问题.
目的:探讨心理护理对脑出血术后恢复期早期患者生存质量的影响.方法:随机于2019-11至2021-01这期间,将我院收治的脑出血术患者,共选择86例作为本次的研究对象,根据患者入院的顺序将其进行分组,包括43例的对照组患者,在患者术后恢复期中应用常规护理,以及另外的观察组患者,同样43例患者,在对照组护理基础上实施心理护理,对两组患者护理后的生存质量情况展开分析.结果:观察组患者的生存质量指标评分与对照组患者相比明显更优,(P＜0.05).结论:对于脑出血术后恢复期早期患者的心理护理,可进一步保障患者的生