基于深度可分离卷积与通道裁剪的YOLOv3改进方法

基于YOLOv3和YOLOv3-Tiny网络试验了人脸数据集Widerface和CelebA的人脸检测。并针对检测结果进行分析,认为神经网络权重中具备大量的参数冗余,将深度可分离卷积与通道裁剪方法应用于深度神经网络的模型压缩,并结合模型量化方法,最终实现轻量级的人脸检测模型。试验结果表明,改进后的模型满足移动端部署的实时性要求,并表现出良好的检测效果。

基于多视觉特征融合的非侵入式疲劳驾驶检测方法研究

为了解决目前车辆疲劳驾驶检测线索单一、算力要求高、准确率低、侵入式等问题,基于驾驶人员眼部、嘴部、头部等部位特征数据的采集分析,构建了轻量化的神经网络,设计了非侵入式多视觉特征融合疲劳检测方法。通过模拟对比实验和实际场景实验,证明该检测方法具有算力要求低、识别精度高、生产成本低等优点。